开源 工具
共收录 837 款与「开源」相关的 AI 工具，按站内热度排序。
BakeryBakery是聚焦开源AI模型微调与变现的在线服务平台，核心定位是降低AI模型商业化落地的技术门槛，平台支持开源AI模型一键微调、自定义数据集上传管理、模型成果市场上架三大核心功能，面向AI初创企业、机器学习工程师、AI研究人员、独立AI开发者等群体，可应用于垂类行业模型定制、个人AI工具商业化、学术研究成果落地等多元场景，助力技术创作者将模型能力转化为实际收益。
Llama3-s v0.2开源Llama3-s v0.2是由Homebrew Computer Company开发的多模态模型检查点，核心定位为专注语音理解能力优化的开源模型版本。该模型采用语义标记早期融合技术，可实现更稳定的语音特征提取，同时支持用户通过页面内置的实时演示功能直接上传音频测试识别效果，还提供完整的模型迭代日志与技术原理说明。目标用户覆盖AI语音技术开发者、多模态模型研究人员、语音应用产品经理、相关专业高校学生等群体，可用于语音识别效果验证、多模态模型结构调研、语音应用原型开发测试等多个场景。
Stable HordeStable Horde是一个众包分布式AI生成平台，依托全球自愿贡献算力的工作者节点集群，为用户提供无需自建本地算力的图像与文本生成服务。平台核心功能包括多模型图像生成、自定义参数文本创作、算力贡献兑换生成额度机制，覆盖从普通内容创作者到AI技术爱好者的多类用户群体，可应用于创意设计草图输出、文案初稿撰写、AI艺术创作探索、批量内容生成等多种场景，用户无需部署复杂的本地运行环境，通过网页端或API即可调用分布式算力完成生成任务。
DreamLLMDreamLLM是专注于多模态大语言模型研发的开源学习框架，核心定位是打破传统多模态模型的技术瓶颈，实现理解与创作能力的协同提升。核心功能包括原生多模态空间采样生成、无外部特征依赖的语义理解、跨模态联合分布建模三类，支持研究人员快速复现多模态生成实验，也可供AI开发人员搭建跨模态内容生成系统。目标用户覆盖AI领域研究学者、大模型开发工程师、高校计算机相关专业师生等群体，适用于多模态模型技术研发、跨模态内容生成工具开发、大模型相关学术实验验证等场景。
CangjieMagic开源CangjieMagic是基于仓颉编程语言打造的LLM Agent开发框架，核心定位是为仓颉生态开发者提供低门槛的大模型智能应用搭建能力。框架内置任务智能规划模块，可自动拆解复杂用户需求为可执行步骤；支持多工具模块化调用，可接入各类第三方API和自定义功能组件；提供标准化的Agent开发模板，减少重复代码编写工作。主要面向仓颉语言开发者、大模型应用开发人员、AI应用创业团队等群体，可用于搭建智能客服系统、自动化任务处理工具、行业知识库问答应用、个人智能助理等多种AI原生产品，帮助开发者将大模型能力快速集成到仓颉生态的各类应用中。
VideoCrafter2开源VideoCrafter2是由香港中文大学CVC实验室开发的开源视频生成AI模型展示平台，核心定位为文本驱动的高保真视频生成工具。平台支持文本生成照片级视频、精细运动参数控制、多概念组合生成三类核心功能，面向内容创作者、动画从业者、广告设计人员、AI研究人员等群体，可应用于短视频内容制作、动画分镜生成、广告创意预览、AI视频技术研究等多个场景，用户仅需输入文本提示词即可获得对应的动态视频内容。
OLMo开源OLMo是由AI2研究院发布的开源语言模型及配套训练框架，核心定位是为大语言模型领域研究者提供全链路开放的研究资源。其核心功能包括完整开放训练全链路资源，覆盖训练数据、训练代码、模型参数、评估代码等所有环节；内置标准化的模型评估工具，支持多维度的模型效果验证；提供详实的开发文档与协作入口，降低大规模语言模型的研究参与门槛。目标用户覆盖自然语言处理领域研究人员、高校计算机相关专业师生、AI企业算法研发人员、开源AI社区贡献者等群体。可用于大语言模型预训练实验、模型性能对比研究、模型训练流程优化、开源语言模型二次开发等多种科研与开发场景，助力语言模型技术的开放协作与迭代。
GenWorldsGenWorlds是一款专注于多智能体系统搭建的开源开发框架，核心定位是降低复杂多智能体应用的开发门槛，支持开发者快速构建高可靠性的智能协作系统。其核心功能包括自定义环境配置、可扩展架构适配、即插即用组件调用、多类型认知过程设置以及协调协议自定义。主要面向AI应用开发者、智能系统研究员、企业技术开发团队、高校计算机相关专业师生等群体，可应用于智能客服系统搭建、协作办公工具开发、虚拟仿真场景构建、分布式任务处理系统研发等多个场景，帮助开发者减少底层逻辑开发工作量，聚焦业务场景的功能实现。
ComflowyComflowy是面向AI图像生成领域的低代码工作流搭建平台，核心围绕Stable Diffusion等开源图像生成模型，提供可视化节点拖拽式操作界面，支持用户无需编写复杂代码即可搭建个性化AI绘图流程。平台内置节点预设管理、批量生成调度、模型资源库集成三大核心功能，主要面向AI图像创作者、平面设计从业者、内容运营人员、AI技术爱好者等群体，可应用于商业海报生成、二次元IP形象创作、产品效果图渲染、批量图文素材生产等多个场景，降低AI图像生成的技术门槛，提升创作效率。
SDXS开源SDXS是专注于高速图像生成的轻量化扩散模型演示站点，核心定位是为开发者、AI图像从业者提供低延迟扩散模型的在线体验与效果验证服务。核心功能包括实时图像生成演示、不同分辨率模型效果对比、图像到图像翻译效果测试。目标用户覆盖AI算法研发人员、计算机视觉相关专业学生、移动端AI应用开发者等，可用于模型效果验证、技术选型参考、学术研究对比等场景，帮助用户直观了解轻量化扩散模型的运行效率与生成质量平衡能力。
WikiwandWikiwand是基于AI技术的维基百科内容增强平台，核心定位是优化维基百科的内容呈现与检索效率，为用户提供更顺畅的知识获取体验。平台支持智能内容检索、知识时间线生成、关联地理信息映射等核心功能，同时内置多语言词典、热门问题汇总等工具，能够帮助用户更系统地梳理不同领域的知识脉络。该平台主要面向学生、研究者、内容创作者、科普爱好者等群体，适用于课题资料查阅、知识体系搭建、科普内容创作、跨领域知识探索等多种场景，同时所有运营收益部分会捐赠给Wikimedia基金会，支持全球知识共享事业发展。
MaskGCTMaskGCT是专注于零样本文本到语音转换的开源技术站点，核心是同名零样本TTS模型的成果展示与技术落地内容。站点提供完整的模型技术原理讲解、官方演示Demo体验、论文研究成果查阅、开源代码仓库跳转等核心功能，面向语音技术研发人员、AI应用开发者、语音内容创作从业者等群体，可用于模型技术调研、语音合成效果验证、相关项目开发参考等场景，帮助使用者快速了解零样本TTS领域的前沿技术路径与实际应用表现。
ARGO开源ARGO是一款开源的多平台AI客户端，核心定位为用户提供可本地运行的人工智能助手服务，支持自主思考、任务规划、复杂任务处理三类核心能力，所有模型运算过程均在用户设备本地完成，可避免数据上传带来的隐私风险。目标用户覆盖需要处理办公文档、开发编码、内容创作、数据整理等需求的群体，支持Windows、macOS、Linux等主流操作系统，用户无需搭建复杂环境即可快速接入各类大模型，满足日常AI辅助使用需求。
Onboard AIOnboard AI 是一款专注于代码库智能理解的AI辅助开发工具，核心定位是帮助开发者高效解析陌生代码项目的结构与逻辑。其核心功能包括GitHub仓库一键克隆解析、自然语言代码库问答、代码调用链路自动梳理、依赖关系可视化展示、代码片段精准定位，面向个人开发者、技术团队、开源项目贡献者、技术面试官、代码审计人员等群体，适用于接手新项目快速上手、开源项目二次开发、代码逻辑排查、技术方案评审、代码漏洞排查等多种场景，可降低代码熟悉成本，提升开发环节的工作效率。
YOLO-NAS PoseYOLO-NAS Pose 是依托 SuperGradients 平台推出的开源 PyTorch 计算机视觉模型训练库，核心定位为降低计算机视觉模型开发与落地的技术门槛。平台内置经过验证的预训练模型、标准化训练脚本与开箱即用的任务示例，支持人体关键点检测、图像分类、目标检测、语义分割等多类视觉任务开发，用户可便捷加载预训练权重并结合自有数据集完成微调，无需从零搭建训练框架。该工具面向计算机视觉算法工程师、AI 应用开发者、高校科研人员、深度学习学习者等群体，适用于工业级视觉应用落地、学术研究模型复现、课程实训项目开发、小样本模型快速迭代等场景，可帮助用户减少训练框架搭建工作量，降低模型调参的不确定性。
SciPhiSciPhi是一个开源的端到端RAG（检索增强生成）平台，核心定位是为开发者提供完整的RAG系统搭建、部署与优化全流程工具。平台提供模块化的开发框架，支持多数据源接入与向量库适配，同时兼容自托管与云部署两种模式。目标用户覆盖AI应用开发者、企业技术团队、科研人员、AI项目创业者等群体，可应用于企业内部知识库问答系统搭建、大模型应用RAG模块开发、学术文献检索增强生成系统落地、垂直领域AI助手开发等场景，帮助用户降低RAG系统的开发门槛，提升系统搭建与迭代效率。
MoMask开源MoMask是面向3D人体运动生成领域的学术开源项目平台，核心定位是提供文本驱动的3D人体运动生成技术方案与相关资源。平台可实现文本到高保真3D人体运动序列生成，支持文本引导的运动序列局部修复，还可输出分层离散化的运动令牌数据。该项目目标用户包括计算机视觉方向研究人员、3D动画制作从业者、游戏开发人员、数字人开发工程师等，可应用于学术研究对比、动画内容快速制作、数字人动作生成、运动数据预处理等多个场景。
MagikaMagika是谷歌推出的基于深度学习的文件类型识别工具，核心定位是为用户提供高效、准确的文件格式检测服务。核心功能包括毫秒级的文件类型识别、超过100种常用文件格式的覆盖支持、针对代码与配置文件的优化识别能力。目标用户涵盖开发者、系统管理员、网络安全人员、普通办公用户等群体，可应用于文件批量分类、恶意文件筛查、存储系统格式校验、开发项目文件整理等多种场景，帮助用户快速确认文件真实格式，规避扩展名伪造带来的安全风险与分类误差。
GitHub Readme GeneratorGitHub Readme Generator是一款专注于GitHub个人资料README文件生成的在线工具，核心定位是降低GitHub个人主页美化的操作门槛，无需开发者手动编写Markdown代码即可完成定制化内容制作。其核心功能包括预设模块化内容区块选择、可视化样式自定义、实时预览调整，支持用户添加个人简介、技能栈、项目展示、GitHub数据统计、社交账号链接等多种模块。目标用户覆盖全阶段开发者、开源贡献者、技术求职者、学生开发者、技术博主等群体，可应用于优化GitHub个人主页展示、求职时补充技术能力证明、开源项目维护者展示个人贡献履历、学生搭建个人技术名片等多个场景。
Sparrow开源Sparrow是面向API研发全生命周期的开源管理解决方案，核心定位是为技术团队提供设计优先的API开发协作工具，覆盖API从设计、调试到测试、管理的完整流程。平台支持HTTP请求调试、WebSocket连接测试、自动化API测试编排三大核心功能，同时内置AI辅助能力和自托管部署选项。目标用户包含后端开发人员、测试工程师、前端开发人员、API产品经理等技术相关角色，可应用于日常接口调试、跨团队API协作、自动化回归测试搭建、内部API资产统一管理等多种研发场景，帮助团队降低API开发过程中的沟通与维护成本。
Flyte v1.3.0Flyte v1.3.0是生产级数据与机器学习工作流编排平台，核心定位是为数据、算法团队提供可复现、可扩展的工作流全生命周期管理能力。平台支持多语言任务定义、跨环境工作流部署、运行态全链路观测三大核心功能，面向数据工程师、机器学习算法工程师、DevOps运维人员等群体，可应用于批量数据清洗、分布式模型训练、定时离线推理、实验结果复现等生产场景，帮助团队降低工作流管理复杂度，提升数据与算法链路的稳定性。
Motion-I2V开源Motion-I2V是专注于图像到视频生成的技术框架展示站点，核心面向AI生成内容领域的研究者与开发者，提供可控且一致性更高的图像转视频方案。其核心功能包括两阶段式图像转视频生成，支持大运动与视角变化场景下的稳定输出；可配置的稀疏轨迹控制功能，允许用户自定义运动路径与作用区域；零样本视频到视频转换能力，无需额外训练即可完成视频风格或内容调整。适合AIGC从业者验证视频生成效果、计算机视觉研究者对比算法性能、内容创作者尝试静态素材动态化的各类场景。
reTerminal by Seeed StudioreTerminal by Seeed Studio是Seeed Studio推出的基于树莓派计算模块CM4的一体化开发硬件产品页面，核心为开发者提供完整的嵌入式开发终端解决方案。核心功能包括产品参数详情展示、配套开发资源下载、在线下单采购以及社区案例参考板块。目标用户覆盖嵌入式开发爱好者、物联网项目开发者、工业自动化研发人员以及高校电子相关专业师生。使用场景包含个人DIY智能终端项目原型制作、中小企业工业监控设备开发、高校教学实验硬件采购、人工智能边缘计算场景部署等。
FunAudioLLM开源FunAudioLLM是面向语音交互开发场景的开源技术框架，核心目标是优化人类与大语言模型的自然语音交互体验。框架内置SenseVoice多模态语音理解模型与CosyVoice语音生成模型，支持多语种语音识别、情绪识别、音频事件检测、可控语音合成等能力，相关代码与模型权重已开源开放。适合AI应用开发者、语音交互产品研发人员、学术研究人员使用，可应用于智能客服系统搭建、有声内容制作、多语种语音助手开发、语音类AI产品原型验证等多种场景，帮助降低语音交互相关功能的开发门槛。
SPDL开源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。
api-usage开源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开源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。
AnimateLCM开源AnimateLCM是基于深度学习技术开发的动画视频生成模型官网，核心定位是为用户提供低采样步高保真的动画视频生成能力。核心功能包括高步效动画视频生成、解耦一致性学习训练、Stable Diffusion生态插件兼容，可支持图像转视频、布局转视频等生成需求。目标用户覆盖AI视频研发人员、动画创作者、内容制作团队、计算机视觉研究者等群体，可应用于动画短片制作、创意内容demo生成、视频生成技术研发测试、定制化动态视觉内容制作等多个场景。
NVLM开源NVLM是一个开源多模态大型语言模型项目站点，核心定位为向学术研究与产业开发群体提供高性能的视觉-语言融合模型资源。项目核心功能包含多模态模型权重开源下载、训练推理代码仓库访问、模型性能基准测试结果公开，同时配套模型适配与二次开发指导文档。目标用户覆盖AI领域研究人员、应用开发工程师、高校相关专业师生等群体，可应用于多模态任务性能对比、定制化视觉理解应用搭建、多模态模型技术原理研究等多个场景，为多模态大模型技术落地与学术探索提供可复用的基础资源。
CoTrackerCoTracker是面向视频点跟踪任务的开源Transformer模型官方站点，核心功能为支持视频序列的稠密点联合跟踪、长时遮挡场景下的轨迹预测、可扩展的大规模点跟踪部署，目标用户覆盖计算机视觉研究人员、视频内容开发从业者、机器人导航算法工程师等群体，可应用于视频动作捕捉、三维重建、运动分析、自动驾驶场景感知、视频特效制作等多个领域，区别于传统独立点跟踪方法，该模型通过建模点与点之间的空间关联，提升跟踪的精度与鲁棒性，适配长视频、遮挡场景下的跟踪需求。
TFLearnTFLearn是基于TensorFlow构建的深度学习开源库官方网站，核心定位是为深度学习开发者提供封装度更高的高级API，降低神经网络实现门槛。核心功能包括：一是提供模块化的神经网络层封装，支持卷积网络、LSTM、残差网络等主流模型快速搭建；二是内置训练过程可视化工具，可实时查看损失、准确率等指标变化；三是支持原生TensorFlow操作调用，满足自定义模型开发需求。目标用户覆盖深度学习入门学习者、高校科研人员、企业算法开发工程师，可用于图像分类、序列生成、自然语言处理、语音识别等多场景的深度学习模型原型开发与训练。
ResAdapter开源ResAdapter是专为Stable Diffusion等扩散模型打造的分辨率适配工具，核心定位是解决扩散模型固定分辨率生成的限制，支持在不改变原有模型风格域的前提下生成任意分辨率、任意宽高比的图像。核心功能包括动态分辨率适配、风格一致性保持、推理效率优化，无需对原有扩散模型进行重训练即可快速适配。该工具面向AI图像生成从业者、数字艺术家、游戏美术设计师、内容创作者等群体，适用于批量生成不同尺寸的商用设计素材、定制个性化壁纸、制作多规格营销海报、适配不同平台的内容配图等场景，可降低多尺寸图像生成的时间成本。
Laminar.aiLaminar.ai是一个开源全栈AI工程平台，核心定位是从第一性原理出发助力开发者提升大语言模型（LLM）应用开发质量。平台支持多模态模型运行数据追踪、零开销可观测性分析、在线评估与数据集构建三大核心功能，面向AI应用开发者、算法工程师、技术团队负责人等群体，可满足LLM应用开发调试、生产环境运行监控、模型迭代效果验证、多模态模型适配开发等场景需求，同时支持便捷自托管部署，适配不同规模团队的自主可控部署要求。
LGM开源LGM是专注于3D模型生成的技术框架站点，核心定位是为用户提供从文本提示或单视图图像生成高分辨率3D模型的技术能力。其核心功能包括多视图高斯特征3D表示、非对称U-Net多视图处理、高分辨率3D内容快速生成。目标用户覆盖3D内容创作者、游戏开发人员、AI研究人员、工业设计从业者等群体，可应用于游戏资源制作、元宇宙场景搭建、产品原型3D建模、学术研究实验等多个场景，帮助用户降低3D模型创作的技术门槛，提升生成效率与输出质量。
CopilotKit.ai开源CopilotKit.ai是面向开发者的开源AI助手集成开发框架，核心定位是降低AI助手的开发与接入门槛，帮助开发者快速搭建具备上下文感知能力的智能助手。平台支持自定义动作执行逻辑、多数据源知识接入、前端组件快速嵌入三大核心功能，目标用户覆盖前端开发工程师、AI应用开发者、SaaS产品研发团队、企业内部工具开发人员等群体，可应用于SaaS产品内置智能客服开发、企业内部知识库助手搭建、低代码平台AI功能扩展、个性化教育辅助工具开发等多种场景，无需从零搭建AI交互底层架构，即可快速完成AI助手的全流程落地。