AI 工具目录

Video-T1是基于测试时间缩放技术（TTS）构建的开源视频生成模型演示站点，核心定位是为视频生成领域的相关从业者提供高质量视频生成效果的测试与技术验证平台。站点支持文本转视频生成、生成参数自定义调整、传统方法效果对比、生成结果下载、TTS技术原理说明等核心功能，目标用户涵盖人工智能领域研究人员、视频生成方向开发者、数字内容创作者、高校计算机相关专业学生等群体。可应用于视频生成技术学术研究验证、技术选型前的效果测试、数字内容原型创作、教学过程中的技术演示等多种场景，帮助用户直观了解测试时间缩放技术对视频生成质量的提升效果。

BrushEdit是聚焦图像修复与编辑领域的AI工具，核心定位是通过多模态大语言模型与图像修复模型的结合，支持用户用自然语言指令完成图像编辑操作。核心功能包括自然语言指令解析、智能掩码生成、分区域图像修复，能够自动识别用户编辑需求中的对象与区域，无需手动框选编辑范围。目标用户覆盖平面设计从业者、内容创作者、摄影爱好者、科研人员等群体，可应用于旧照片修复、产品图瑕疵处理、创意图像调整、海报内容修改等多种场景，降低图像编辑的操作门槛。

PhysAvatar是一个结合逆向渲染与逆向物理技术的研究型框架，核心作用是从多视角视频数据中自动提取人体相关的三维与物理属性。其核心功能包括多视角视频驱动的人体属性估计、服装物理参数逆向求解、跨场景新视角内容渲染三类，主要面向计算机图形学研究者、数字内容创作者、虚拟形象开发人员等群体，可应用于虚拟人制作、影视动画角色建模、数字服装仿真等多个专业场景，帮助用户降低高精度人体虚拟形象的制作成本，提升虚拟形象在不同场景下的渲染真实度。

SAMURAI是基于Segment Anything Model 2(SAM 2)开发的视觉对象跟踪模型项目官网，核心定位是为视觉跟踪领域提供无需微调的零样本目标跟踪解决方案。核心功能包括运动感知记忆选择机制、时间运动线索融合、多基准数据集效果验证等，支持用户快速了解模型架构、复现跟踪效果、下载相关测试资源。目标用户覆盖计算机视觉领域研究人员、AI算法开发工程师、智能监控系统开发者、自动驾驶感知模块研发人员等，可用于学术研究对比、工业级视觉跟踪系统搭建、复杂动态场景跟踪方案选型等场景，帮助用户降低视觉跟踪模型的开发和适配成本。

PicoClaw是一款轻量型可自托管的AI助手工具，核心定位是面向低配置硬件环境的轻量化AI服务方案，主打极低资源占用，运行时内存占用低于10MB，启动耗时仅需1秒，可适配从树莓派到安卓设备在内的多样化硬件设备。核心功能包括本地私有化部署、低资源环境运行、自定义指令响应三大模块，目标用户覆盖嵌入式开发人员、边缘计算从业者、隐私敏感型个人用户、小型团队运维人员等群体，可应用于边缘设备本地智能交互、离线场景AI辅助、家庭私有智能服务搭建、小型硬件设备AI功能集成等多种场景，无需依赖云端服务即可在本地设备上提供稳定的AI响应能力。

Diffusion-Vas是由卡内基梅隆大学提出的视频非可见物体分割与内容补全技术的官方展示站点，核心定位是面向计算机视觉领域的技术交流与效果演示平台。该站点提供模型技术原理详解、多场景效果可视化演示、论文成果下载三大核心功能，服务于计算机视觉研究者、视频处理开发人员、高校相关专业师生等群体，可用于视频分析算法研究、特效制作中的物体补全开发、视频修复场景的技术选型参考等场景，帮助用户直观理解非可见物体分割技术的实现逻辑与应用价值。

VideoVAEPlus是一款聚焦视频编码与生成领域的技术工具，核心定位为优化的视频变分自编码器，可实现视频冗余降低与高质量视频编解码。核心功能包含时间感知空间压缩、轻量级运动压缩、文本指导编码优化三个模块，目标用户覆盖AI视频算法研发人员、多媒体内容处理从业者、高校计算机相关专业研究人员等，可用于视频生成模型底层开发、视频存储压缩方案优化、视频重建效果迭代等场景。

Boltz-1是麻省理工学院Jameel Clinic团队开发的开源生物分子结构预测模型站点，核心定位是为全球科研群体提供可自由使用的高精度生物分子结构预测工具。站点核心功能包括公开完整的Boltz-1模型权重与调用接口，提供分子结构预测结果的可视化展示模块，同时开放模型训练所用的部分数据集与技术文档。目标用户覆盖高校结构生物学研究人员、生物制药企业研发人员、计算生物学方向学生等群体，可应用于蛋白质结构解析、药物靶点筛选、分子互作机制研究等多种科研与产业场景，支持非学术场景的商业开发需求。

Sketch2Sound是一款基于扩散变换器（DiT）架构的音频生成工具，核心定位是结合文本语义与可控参数的声音合成平台，支持通过响度、亮度、音高等时变控制信号搭配文本提示生成定制化音频，可在现有文本到音频扩散模型基础上实现轻量化微调。核心功能包括多维度参数控制音频生成、文本语义与控制信号融合合成、低资源模型适配部署三类。目标用户覆盖声音设计师、音频创作者、游戏音效开发人员、交互艺术创作者等，适用于游戏音效制作、影视动效设计、交互艺术装置音频生成、音乐demo快速试制等场景，帮助创作者在保留文本提示语义的同时，实现更精准的音频效果控制。

Octopus是一款基于环境反馈的视觉语言编程工具，核心定位是为AI代理任务处理提供从目标解析到代码生成的全流程支持。其核心功能包括多模态任务目标解析，可同时理解视觉输入与文本指令的需求；复杂动作序列规划，能为不同场景下的任务生成可落地的执行步骤；可执行代码自动生成，将规划好的动作序列直接转化为可运行的代码。该工具面向AI研究人员、智能体开发人员、游戏AI开发者等群体，可应用于模拟器日常任务处理、复杂游戏交互开发、智能体决策模型训练、多模态AI系统研发等多个场景。

Mind Map Wizard是一款基于人工智能技术的开源思维导图生成工具，核心定位是帮助用户将零散、复杂的信息快速转化为结构化的可视化思维导图。其核心功能包括AI智能解析文本生成多级思维导图、YouTube视频内容自动提取转导图、多格式导出与协作分享，同时支持本地存储保障用户数据隐私。该工具面向学生、教育工作者、研究人员、商务人士、内容创作者等群体，可应用于笔记整理、会议纪要梳理、视频知识拆解、项目规划、创意脑暴等多种场景，无需注册即可直接使用，全程无广告干扰。

Learning Inclusion Matching for Animation Paint Bucket Colorization是面向动画上色领域的学术项目展示平台，核心是基于包含关系匹配的动画自动上色算法。该项目核心功能包括：一、单帧引导的多帧自动颜色传播，仅需画师为动画首帧完成上色，即可自动将色彩信息同步到后续全部帧；二、形变与遮挡场景的色彩适配，算法可精准识别动画中物体形变、局部遮挡等动态变化，维持上色一致性；三、专门数据集训练的鲁棒性支持，依托项目自研的动画上色数据集完成模型训练，适配多种风格的二维线稿动画。目标用户覆盖动画制作从业者、计算机视觉研究人员、动画专业师生、独立动画创作者，可应用于商业动画批量上色、学术研究算法对比、学生动画作业效率提升、个人独立动画创作等多个场景。

TCAN是ECCV 2024收录的基于扩散模型的人像动画学术项目官网，核心定位是面向研究人员和开发者的时间一致性人像动画技术展示与资源平台。核心功能包括框架技术细节公开、效果演示视频展示、论文源码与预训练模型下载。目标用户覆盖计算机视觉领域研究人员、AI动画开发工程师、数字内容创作者、高校相关专业师生。可用于人像动效生成研究、虚拟数字人驱动开发、短视频内容二次创作、学术复现实验等多种场景，帮助用户了解该框架在跨域人像动画生成中的时间一致性保持能力，获取完整的技术落地参考资源。

Linchpin是由Linchpin团队开发的开源可自托管AI智能体运行平台，核心定位为降低AI智能体部署与运行门槛的技术工具。平台支持通过OpenRouter接入各类主流云端大模型，也可通过Ollama调用本地部署的开源模型，同时提供单Docker Compose一键部署能力。目标用户覆盖AI研发人员、独立开发者、企业技术团队、开源技术爱好者等群体，可应用于智能体开发调试、私有AI服务搭建、企业内部AI应用落地、个人AI工具定制等多种场景，无需复杂的环境配置即可快速搭建属于自己的AI智能体运行环境。

Video Prediction Policy（简称VPP）是专注于机器人视觉预测策略研究的学术展示平台，核心展示基于视频扩散模型的机器人操控技术方案。平台提供完整的VPP技术原理讲解、实验基准测试数据、预训练模型开源资源，以及相关论文成果和数据集获取渠道。目标用户覆盖机器人学研究者、计算机视觉方向科研人员、机器人开发工程师、人工智能领域高校师生、具身智能项目研发团队、工业自动化方案设计人员。可用于机器人操控算法性能对比参考、具身智能视觉预测模块开发、相关学术研究的实验基线搭建、视频扩散模型跨领域应用探索等场景。

MegaSaM是一个面向动态场景单目视频处理的视觉SLAM技术系统，核心定位为从单目视频中快速稳健估计相机参数与深度图。其核心功能包括动态场景相机姿态估计、高精度深度图生成、不受限相机路径适配。目标用户覆盖计算机视觉研究人员、自动驾驶算法开发者、三维重建从业者、影视特效制作人员、AR/VR技术开发者等群体，可应用于动态街景三维重建、移动设备空间定位、动态场景虚实融合、影视镜头三维信息提取、机器人环境感知等多个场景，解决传统SLAM技术仅适用于静态场景、对相机路径限制较多的问题。

SketchDeco是一款专注于草图色彩化的在线图像生成工具，核心定位是为用户提供无需文本提示的黑白草图转彩色写实图像服务。核心功能包括基于ControlNet的草图结构识别、分阶段色彩填充生成、自定义调色板适配，适配消费级GPU运行环境，无需额外模型训练即可使用。目标用户覆盖插画师、概念设计师、动画原画师、手工艺创作者、平面设计师等创意领域从业者及爱好者，可应用于前期概念稿快速上色、手绘草稿视觉效果预览、线稿配色方案验证、批量草图风格统一调整等场景，帮助用户降低草图色彩化的操作门槛，提升创意落地效率。

HAAR是由马克斯·普朗克研究所发布的文本驱动3D发型生成学术工具，核心定位是为计算机图形领域提供可直接应用的高保真3D发型资产生成能力。核心功能包括文本提示驱动的3D发型生成、发丝级高分辨率发型重建、自动标注的合成发型数据集输出，目标用户覆盖动画制作人员、游戏开发设计师、虚拟数字人创作者、计算机图形学研究人员等，可应用于影视动画角色资产制作、游戏角色发型自定义开发、虚拟数字人形象定制、3D发型相关学术研究实验等多种场景，生成的发型资产可直接对接主流计算机图形渲染管线使用。

DiffHuman是一个面向3D人体重建领域的学术项目展示网站，核心呈现基于扩散模型的概率式光度逼真3D人体重建方案。该网站支持单张RGB图像输入的3D人体分布预测、多采样高细节人体模型生成、加速推理效果对比三大核心功能，主要服务于计算机视觉研究人员、3D内容开发者、动画制作从业者、数字人研发团队等群体，可应用于学术研究验证、动画角色快速建模、数字人素材生成、3D重建算法效果比对等多种场景，帮助用户直观了解非确定性3D人体重建技术的实现逻辑与实际应用效果。

Omages是专注于3D模型生成技术研发与演示的开源技术站点，核心是将3D形状封装为64x64像素的Object Images格式，简化3D内容的生成与处理流程。站点支持Omages格式的3D模型预览、Diffusion Transformers生成3D形状的效果演示、传统3D网格与Omages格式的在线转换，面向计算机视觉研究者、3D内容创作者、图形学开发人员，可用于3D生成模型开发、轻量3D内容存储、3DAI模型训练数据预处理等场景，帮助用户降低3D形状处理的技术门槛。

AI Web Page Analyzer (AI WPA) 是一款基于人工智能技术的网页分析工具，核心定位为帮助用户完成网页数据提取、SEO优化分析、反向链接策略生成等工作，支持免费开源使用。其核心功能包括网页多维度指标检测、AI 驱动的内容价值提取、反向链接优化建议生成三类，目标用户覆盖 SEO 从业者、网站运营者、前端开发人员、内容创作者、独立站长、数字营销人员等群体，可应用于网站上线前性能检测、竞品网页内容调研、SEO 排名提升策略制定、网页合规性排查、数据批量采集等多种场景，无需复杂配置即可完成网页的系统性分析。

DualGS是基于双高斯溅射技术的体积视频处理开放项目官网，核心定位为面向学术研究、数字内容创作领域的人体体积视频表示技术落地载体，核心功能包括双高斯人体建模、体积视频高压缩比处理、多端实时渲染适配。目标用户覆盖计算机图形学研究者、动作捕捉内容开发者、VR内容创作者、数字人制作团队等，可应用于学术研究复现、体积视频内容生产、移动端/VR端动态数字人渲染、动捕素材高效存储传输等场景，为人体体积视频的制作、压缩、渲染全流程提供技术方案参考与Demo体验。

BrowserOS是一款开源免费的AI Agent浏览器产品，核心定位是将AI代理能力原生集成到浏览器内核中，无需额外安装插件即可实现网页操作自动化。其核心功能包括AI代理自动网页交互、多步任务智能执行、网页内容智能提取整理，目标用户覆盖日常网页浏览用户、办公行政人员、内容创作者、数据调研人员、前端开发人员等，可应用于批量网页信息采集、多平台账号操作辅助、网页内容结构化整理、重复网页流程自动化执行等场景，为用户降低网页操作的重复工作量。

Helpful DoggyBot是面向四足机器人研发的室内移动操作系统，核心围绕四足机器人的室内任务执行需求设计，可支持机器人实现复杂环境下的移动与操作。系统搭载模拟训练的低级运动控制器，可实现攀爬、全身倾斜等敏捷动作；同时融合预训练视觉-语言模型，具备语义理解与指令生成能力；支持零样本泛化，无需额外实地数据采集或训练即可在陌生环境执行任务。目标用户涵盖机器人研发人员、高校自动化相关专业师生、智能硬件开发团队、室内服务机器人方案提供商等，可应用于四足机器人运动算法验证、室内服务机器人任务逻辑调试、多模态交互机器人原型开发、机器人零样本泛化能力测试等场景。

VideoGrain是基于扩散模型的视频编辑技术展示平台，核心定位是为内容创作者、技术研究者提供可交互的多粒度视频编辑技术演示与参考。平台支持文本驱动的指定区域视频编辑，可实现跨帧语义一致的内容修改，同时保留原有视频的运动逻辑与画面风格；支持不同编辑粒度的调节，用户可选择从局部物体替换到整体场景风格调整的不同编辑强度；还提供多组对比案例，直观呈现技术效果与传统编辑方法的差异。平台目标用户包括视频后期从业者、AI视频技术研究者、广告内容制作人员、高校计算机相关专业师生等，可用于影视后期片段修改、广告创意内容快速迭代、视频编辑技术研发参考、学术研究效果验证等场景。

Farfalle是一款开源的AI驱动搜索引擎，核心定位为支持本地大语言模型与云端模型接入的可定制搜索工具，核心功能包括多源搜索结果聚合、本地/云端LLM混合调用、搜索链路可自定义配置，同时支持与主流开发技术栈快速集成。目标用户覆盖AI应用开发者、隐私敏感的搜索使用者、开源工具二次开发爱好者等群体，适合用于搭建个人专属搜索工具、企业内部知识库检索系统、AI搜索类产品原型验证等场景，用户可根据自身需求灵活调整模型接入方式与搜索逻辑，满足不同场景下的信息检索需求。

HOMIEtele是一款专注于人形机器人遥操作的开源技术服务平台，核心定位为研究人员、机器人开发团队提供集动作捕捉、远程控制、仿真训练于一体的技术支持体系。平台集成实时人体运动捕捉模块，可将人体肢体动作快速映射至人形机器人关节；内置强化学习训练框架，支持用户自定义训练场景完成机器人行走、操作等任务的模型迭代；提供多端适配的遥操作接口，满足不同硬件环境下的远程控制需求。目标用户覆盖机器人领域研发人员、高校相关专业师生、人形机器人开发团队、人工智能算法研究员等，可应用于人形机器人动作开发、远程作业场景验证、强化学习算法落地测试、机器人教学演示等多个场景。

Code Llama 70B是Meta推出的开源代码生成大语言模型，依托Llama 2技术底座经过代码专项微调，核心面向有代码生成需求的开发者群体。其核心功能包括多编程语言代码生成、代码补全与调试、自然语言转代码转换，支持Python、C++、Java等主流开发语言输出。适用于日常项目开发快速生成功能模块、学习编程时参考代码实现逻辑、排查现有代码bug等多种场景，帮助开发者减少重复编码工作量，拓宽代码实现思路。

api-usage是一款专注于OpenAI API使用量与成本统计分析的开源工具，核心定位是帮助用户清晰掌握API调用的资源消耗情况。核心功能涵盖多模型成本核算、多维度数据可视化、调用趋势分析三类，支持ChatGPT、GPT-4、Whisper、文本嵌入等主流OpenAI模型的成本统计，无需上传密钥即可在本地完成数据处理。目标用户包含AI应用开发者、企业技术运维人员、个人AI项目创作者等，适用于日常API调用成本核算、项目资源预算规划、异常调用流量排查等多种场景。

OpenChatKit是面向开发者、AI研究人员的开源聊天机器人开发框架站点，核心定位是为各类聊天机器人搭建提供可复用的技术基础。站点支持模型二次调优、检索增强生成、内容安全过滤等核心功能，覆盖对话交互、信息查询、内容处理等多类自然语言处理场景。适合需要快速搭建专属聊天机器人的开发团队、进行大语言模型应用研究的高校科研人员，以及希望在现有产品中集成AI对话能力的企业技术人员使用，可减少从零开发大语言模型对话系统的成本，降低自定义聊天机器人的开发门槛。

oprel是Oprel团队开发的高性能Python库，主要面向需要在本地部署运行大语言模型的开发者与技术团队。核心功能包括生产级运行时支持、进阶内存管理机制、混合卸载策略以及全模态模型适配能力。目标用户覆盖AI应用开发者、机器学习研究人员、企业AI技术团队等群体，可应用于本地LLM应用原型开发、离线AI服务部署、低资源设备模型推理、多模态AI功能测试等多个场景，帮助用户在自有硬件环境下稳定运行各类大语言模型，降低对云端API的依赖。

SPDL是Meta Reality Labs推出的可扩展高性能AI数据加载解决方案，核心定位是解决大规模AI模型训练中的数据加载瓶颈问题，核心功能包括基于线程的并行数据加载、Free-Threaded Python兼容适配、无缝对接现有AI训练框架。主要面向AI算法研发人员、大模型训练工程师、机器学习框架开发者，可应用于计算机视觉、自然语言处理、多模态模型等各类AI训练场景，帮助优化训练流程，提升GPU资源利用率。

MarkDX是一款开源的AI赋能Markdown编辑器，核心定位为帮助用户高效完成标准化Markdown内容创作与协作。核心功能包括AI辅助内容校对修正、多格式文档导出、实时团队协作编辑，同时支持代码生成、多语言翻译等扩展能力。目标用户覆盖内容创作者、技术开发者、学术研究者、团队项目负责人等群体，可应用于技术文档撰写、博客内容编辑、项目 README 编写、学术笔记整理、团队协作输出文档等多种场景，能够帮助用户降低Markdown格式调整成本，提升内容创作与协作的效率。

Salam.chat是一款聚焦伊斯兰教知识普及的AI聊天机器人平台，由少数民族智库基金会开发维护，有伊斯兰学者参与模型训练。平台核心功能包括古兰经与圣训内容引证、清真内容过滤机制、伊斯兰习俗问题解答、宗教节日知识科普、信仰相关疑惑解答。目标用户覆盖对伊斯兰教感兴趣的普通大众、穆斯林群体、宗教学研究人员、文化研究爱好者、跨境文化交流从业者。使用场景涵盖日常宗教知识学习、宗教习俗疑问咨询、学术研究相关资料检索、跨文化沟通背景了解、宗教节日相关信息查询等多个维度。

Archgw 是一款面向生成式AI应用开发场景的开源网关产品，核心定位为大语言模型提示词处理与流量调度中间件，基于Envoy架构构建，具备跨语言适配能力。核心功能包括提示词全生命周期治理、多LLM流量智能路由、全链路可观测性监控，可帮助开发者降低GenAI应用与后端大模型服务、业务系统的集成复杂度。目标用户覆盖AI应用开发者、后端架构师、SRE运维工程师等群体，适用于生成式AI应用上线部署、多模型服务调度优化、大模型应用可观测性建设等场景，支持快速部署与无侵入式升级，无需对现有业务代码做大量改造即可接入使用。

Code Spoonfeeder是一款专注于多代码文件合并的在线工具，核心定位是为开发者提供轻量化的项目代码整合服务。核心功能包括项目文件夹批量导入合并、多编程语言格式兼容、处理后数据即时删除。目标用户覆盖全栈开发者、学生编程学习者、开源项目维护者、代码审计人员等群体，可应用于项目代码快速预览、离线代码备份、AI代码分析上下文准备、课程作业代码汇总等场景，所有代码处理均在服务端完成且不留存用户数据，同时作为开源项目支持社区用户参与功能迭代。

BotticelliBots是面向.NET生态开发者的开源机器人开发框架站点，核心为开发者提供基于.NET Core的通用聊天机器人构建能力。站点集成数据库对接、队列代理适配、多AI引擎接入、语音引擎联动四大核心模块，支持跨平台部署与高负载场景调度。目标用户覆盖.NET后端开发者、企业智能服务开发团队、开源技术爱好者，可应用于企业客服机器人搭建、智能语音交互系统开发、高负载消息分发机器人部署等多种场景，帮助开发者降低自研机器人的底层架构搭建成本。

NanoClaw是一款主打安全轻量属性的AI智能体产品，核心定位为面向个人自动化场景的可定制化AI工具，运行于容器环境以保障用户数据隐私。其核心功能包括自定义工作流配置、容器化隐私部署、第三方工具对接适配三类，目标用户覆盖个人开发者、自动化需求用户、隐私敏感的办公人群等，可应用于日常办公事务批量处理、个人生活事项自动化触发、开发流程辅助提效等多种场景，作为OpenClaw的替代选择，支持用户根据自身需求调整功能模块以适配不同使用需求。