Al项目
AI工具集介绍和收录了当前流行的AI研究项目和框架，紧跟最新AI领域的进展，解读AI研究论文和方法框架，帮你快速了解这些项目的工作原理。
152℃wecom-cli – 企业微信官方开源的命令行工具
wecom-cli 是什么wecom-cli（企业微信 CLI） 是企业微信官方团队开源的命令行工具，让人类和 AI Agent 能在终端中操作企业微信。工具覆盖通讯录、待办、会议、消息、日程、文档、智能表格 7 大核心能力，提供 12 ...
901℃harrier-oss-v1 – 微软开源的多语言文本嵌入模型
harrier-oss-v1是什么harrier-oss-v1 是微软开源的多语言文本嵌入模型，在 Multilingual MTEB v2 基准测试中取得 SOTA 成绩。模型采用仅解码器架构，通过最后 token 池化和 L2 归一化...
210℃ColaMD – 开源 Markdown 编辑器，实时同步修改内容
ColaMD是什么ColaMD 是开源的 Markdown 编辑器。工具解决了传统编辑器在 AI 修改文件后需手动刷新才能看到更新的痛点，实现 Agent 后台修改与前台内容的实时同步，如同观看 AI 现场写作。工具采用真 WYSIWYG...
418℃Lightpanda – 开源的 AI 浏览器，兼容主流自动化框架
Lightpanda是什么Lightpanda 是专为 AI Agent 和自动化设计的开源无头浏览器，用 Zig 语言从零编写，不依赖 Chromium 或 WebKit。工具内存占用仅为 Chrome 的 1/16，执行速度快 9 倍...
815℃天工短剧工作台 – 昆仑万维推出的 AI 短剧创作平台
天工短剧工作台是什么天工短剧工作台是昆仑万维推出的AI短剧创作平台，基于多Agent协同，整合Seedance、可灵等全球顶尖视频模型。平台支持传统与智能分镜双模式，通过资产提取Agent、导演Agent自动拆解剧本生成导演级视频，
333℃Veo 3.1 Lite – 谷歌推出的 AI 视频生成模型
Veo 3.1 Lite是什么Veo 3.1 Lite 是 Google 最新推出的AI视频生成模型，成本比 Veo 3.1 Fast 降低 50% 以上，同时保持同等生成速度。模型支持文本/图像生成视频，可灵活切换横竖屏（16:9/9:...
881℃LongCat-AudioDiT – 美团开源的文本转语音模型
LongCat-AudioDiT是什么LongCat-AudioDiT 是美团开源的高保真扩散式文本转语音（TTS）模型，核心创新在于直接在波形潜空间进行扩散生成，非传统梅尔频谱等中间表示，有效避免误差累积并大幅简化流程。模型引入自适应投...
226℃Vision2Web – 清华联合智谱AI推出的视觉网站开发评估基准
Vision2Web是什么Vision2Web是清华大学和智谱AI联合推出的视觉网站开发评估基准，用于评估多模态AI Agent的端到端建站能力。Vision2Web包含193个真实网站任务，分为三层递进难度：静态网页生成、交互式前端开发...
381℃GigaWorld-1 – 极佳视界开源的具身世界模型
GigaWorld-1是什么GigaWorld-1 是极佳视界推出的具身世界模型，在 WorldArena 评测中登顶全球第一。模型采用 AC-WM（动作控制世界模型）架构，结合显式动作建模与可微分物理引擎，实现几何一致、物理准确的视频生...
460℃Multi-Shot – Runway 推出的 AI 视频生成应用
Multi-Shot是什么Multi-Shot 是 Runway 推出的 AI 视频生成应用，支持实现一键成片。用户只需输入场景描述，系统自动拆解为最多5个连贯镜头，同步完成构图、运镜、对话、音效和剪辑，直接输出电影感短片。应用支持图像起...
153℃Pascal Editor – 开源 3D 建筑编辑工具，在浏览器直接运行
Pascal Editor是什么Pascal Editor 是基于 Web 的开源 3D 建筑编辑器，由 Claude 辅助开发。工具无需安装，浏览器可运行，采用 WebGPU 技术实现高性能渲染。Pascal Editor 支持墙体绘制...
339℃Mureka V9 – 昆仑万维推出的最新AI音乐模型
Mureka V9是什么Mureka V9 是昆仑万维推出的最新AI音乐大模型。模型在音乐旋律性、表现力、编配编曲等核心指标上全面超越Suno V5等竞品，登顶Artificial Analysis人声和乐器双榜单全球第一。Mureka ...
994℃MicroCoder – 微软联合剑桥等推出的大模型训练优化框架
MicroCoder是什么MicroCoder是微软亚洲研究院联合剑桥大学、普林斯顿大学推出的代码大模型训练优化项目，针对Qwen3等新一代模型训练瓶颈，从算法、数据、评估、经验四维度全面升级。框架核心包括：MicroCoder-GRPO...
463℃Qwen3.5-Omni – 阿里通义推出的全模态大模型
Qwen3.5-Omni 是什么Qwen3.5-Omni 是阿里通义实验室推出的全模态大模型，可同时理解文本、图像、音频及音视频输入。模型采用Thinker-Talker分工架构与Hybrid-MoE技术，在215项音频/音视频任务中取得...
270℃PixVerse V6 – 爱诗科技推出的最新 AI 视频生成模型
PixVerse V6是什么PixVerse V6 是爱诗科技推出的最新 AI 视频生成模型。模型在镜头控制、角色表现和多镜头音视频生成方面实现突破，运镜更精准，角色情绪跨帧连贯，物理交互更真实，生成时长最长可达 15s；支持单提示词生成..
778℃Pretext – 开源 AI 前端开发工具，解决中文字布局性能瓶颈
Pretext是什么Pretext 是前 React 核心成员 Cheng Lou 开源的，纯 JavaScript/TypeScript 的多行文本测量与布局库，用于纯算术方式精确测量多行文本尺寸，完全绕过 DOM 重排。Pretext...
4℃VideoTuna – AI视频生成应用代码库，支持多模型和全面的视频生成流程
VideoTuna是什么VideoTuna是集成多种AI视频生成模型的代码库，支持文本到视频、图像到视频和文本到图像的转换。VideoTuna提供预训练、持续训练、后训练对齐和微调等全面视频生成流程，支持U-Net和DiT架构，并计划推出...
5℃Stagehand – AI网页浏览框架，提供简单和可扩展的网页自动化解决方案
Stagehand是什么Stagehand是简单和可扩展的AI网页浏览框架，是Playwright的继承者，提供act、extract和observe三个简单的API，支持自然语言驱动的网页操作。Stagehand提供一个轻量级、可配置、...
4℃ComfyUI-MochiEdit – 开源的AI视频编辑工具，支持视频转视频和局部编辑
ComfyUI-MochiEdit是什么ComfyUI-MochiEdit是基于ComfyUI和Genmo Mochi的开源视频编辑工具，基于将视频转换为噪声、重新采样实现视频编辑，支持局部编辑和视频转视频功能。用户能调整噪声校正强度、对...
4℃HiCo – 360 AI研究院推出的布局可控AI绘画模型
HiCo是什么HiCo是360 AI研究院推出的基于扩散模型的层次化可控布局到图像生成模型，HiCo基于多分支结构设计，实现对对象位置和文本描述的精确控制。HiCo的关键特点在于进行空间解耦，有效地处理复杂布局，减少对象缺失和视角
4℃Ferret-UI 2 – 苹果推出的跨平台UI理解多模态大语言模型
Ferret-UI 2是什么Ferret-UI 2是苹果公司推出的多模态大型语言模型，用在理解和交互移动用户界面。Ferret-UI 2能识别和理解各种移动设备屏幕上的UI元素，执行复杂的用户指令，实时观察用户在移动设备屏幕上的操作，随时...
3℃MMBench-Video – 上海AI Lab联合多所高校推出的长视频理解基准测试
MMBench-Video是什么MMBench-Video是新颖的长视频多题问答基准测试，是浙江大学、上海人工智能实验室、上海交通大学和香港中文大学联合推出的。MMBench-Video能全面评估大型视觉语言模型（LVLMs）在视频理解方...
4℃MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式
MiniMates是什么MiniMates是高性能的轻量级数字人驱动算法，具备语音和表情两种驱动模式，能在普通电脑上实现实时运行。基于先进的技术架构，提供极致的速度体验和个性化定制功能，支持用户根据需求定制AI伙伴。MiniMates拥
4℃MotionCLR – AI动作编辑模型，根据文本提示生成相应的动作序列
MotionCLR是什么MotionCLR是基于注意力机制的人体动作生成和编辑模型，能根据文本提示生成动作，支持用户进行交互式编辑，如动作强调、减弱、替换、擦除和风格转移。MotionCLR基于自注意力和交叉注意力机制理解和编辑动作，
4℃DocMind – 司马阅推出的文档智能大模型
DocMind是什么DocMind是司马阅推出的文档智能大模型，基于Transformer结构，融合深度学习、NLP和CV技术，能处理富文本文档的复杂结构和视觉信息，提高信息抽取准确性。DocMind支持精准识别文档实体、捕捉文本依赖关系...
AI工具集导航收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
