AI 工具目录

Vision Agent 是一个通过代理系统自动生成代码解决视觉任务的库。

Vision Parse 是一个基于视觉语言模型的工具，可以将 PDF 文档智能转换为格式化的 Markdown 内容。

VisionReward 是一种多维度人类偏好学习模型，用于图像和视频生成的精细化评估。

VITA是首个开源的交互式多模态大语言模型，能同时处理视频、图像、文本和音频。

VITA-1.5是一款强大的开源交互式多模态大语言模型，支持实时视觉与语音交互。

阿里巴巴ViViD是一种利用扩散模型实现视频虚拟试穿的新框架。

vLLM大模型服务CLI

从单个人物图像生成文本和音频驱动的说话视频

用AI通过声音与用户进行实时交流

OpenAI推出了名为Voice Engine的模型，可根据文本和15秒音频样本生成自然发音

voicechat2是一款使用WebSockets进行快速、本地化AI语音聊天的软件。

Void是一个开源的Cursor替代品，欢迎新用户参与开发和贡献。

元代理旅行助手：智能工具与验证

Wan2.1是一款开源的视频生成模型，支持多种任务和分辨率，性能领先于现有模型。

Wan2.2：高效高清视频生成大模型

WaterCrawl: 强大的自托管网络爬虫与数据提取工具

Watermark-Removal项目使用机器学习方法去除图片水印，效果与原图无区别。

Web Agent Protocol(WAP)是一种标准化框架，通过记录和重放浏览器行为，实现用户、Web代理和浏览器之间的无缝交互。

Web代码生成质量评估器

实时网络搜索命令行工具

Webcam Live Portrait 是一个开源项目，用于实时生成人像动态效果。

WebRL是一个自我进化的在线课程学习框架，用于训练Web代理，目标是WebArena环境。

WebWalker 是一个基准工具，旨在评估大型语言模型在网页导航任务中的表现。

Weebo是一款基于Whisper、Llama和Kokoro的实时语音对话聊天机器人，支持多种语音响应。

WhatsApp MCP Server是一个连接Claude的工具，通过它用户可以在Claude中搜索、管理和发送个人WhatsApp消息。

WhatsApp MCP Server是一个连接Claude的工具，通过它用户可以在Claude中搜索、管理和发送个人WhatsApp消息。

Whishper Whishper100 is an AI-powered tool designed for developers and creators.

音频转录与文本转换

Whisper Medusa 是改进版的Whisper模型，通过每次迭代预测多个标记加速语音转录，速度比 OpenAI 的 Whisper 快 50%，由以色列公司 aiOla 推出。

Whisper-Speech-to-Text-API是一个高效的语音转文本API，支持多种音视频格式，适合语音识别和字幕生成。

Whisper-Speech-to-Text-API是一个高效的语音转文本API，支持多种音视频格式，适合语音识别和字幕生成。

利用AI生成趣味TikTok视频的工具，支持语音识别和自然语音合成。

Whisper Web 是一个在浏览器中运行的机器学习语音识别项目。

WhisperFusion是一款基于WhisperLive和WhisperSpeech功能的产品，通过在实时语音转文字流程中集成Mistral大型语言模型（LLM）来实现与AI的无缝对话。Whisper和LLM均经过TensorRT引擎优化，以最大程度提升性能和实时处理能力。WhisperSpeech则使用torch.compile来优化。产品定位于提供超低延迟的AI实时对话体验。

AI代理人数据智能DePIN

WhiteRabbitNeo-7B-v1.5a 是WhiteRabbitNeo系列的一个版本，这是一系列大规模、面向自然语言处理任务的预训练语言模型。该模型能够支持文本生成、摘要、翻译等多种任务。

智能体广域信息搜集基准

AI自动化Windows

Windrecorder Windows is an AI-powered tool designed for developers and creators.

WiseFlow 是一个智能信息提取工具，可从多个来源自动分类并上传数据到数据库。

AI图片背景去除

Workflow Use通过录制用户操作，创建确定性、可自愈的工作流，简化RPA流程，实现浏览器自动化。

World Labs的人工智能系统能从单张照片生成可互动的3D场景，为用户提供沉浸式体验。

Wozway 是一个安全高效的服务，帮助开发者管理聊天应用与大型语言模型的通信。

革命性的AI数据助手，旨在通过简化与数据互动的方式，帮助个人和企业更快地获取结果和洞见

Writing Tools是一款适用于Windows的人工智能写作助手，提供语法修正、重写和多语言支持功能，完全免费且注重隐私。

自然语言FFmpeg命令生成

AI智能运维管理平台

该项目提供用于微调Flux模型的脚本，包括LoRA和ControlNet两种模型。

X-Portrait Nodes 可通过输入视频和参考图像，动画化人像，适用于 ComfyUI。

Xata Agent是开源AI助手，监控PostgreSQL数据库，诊断问题，并提供修复和优化建议。

XHand是一种实时生成高细节手部3D模型的手部虚拟形象系统。

Xianyu AutoAgent是闲鱼AI客服机器人，支持7x24小时值守、智能议价和多专家协同。

XiaoYuanKouSuan项目通过修改答案实现安卓口算应用的秒级答题自动化，极大提升了效率。

小智客户端：AI MCP统一接入

基于视频/网络摄像头的 AI 运动捕捉应用，可用于虚拟直播和元宇宙时代

AI多模态内容生成系统

李开复01.AI开源9B大型语言模型

Yi-VL-34B是Yi Vision Language（Yi-VL）多模态语言大模型的一个版本，基于Yi语言模型开发。它在全新多模态基准测试MMMU中表现出色，取得了41.6%的准确率，成功超越了一系列多模态大模型，仅次于GPT-4V。Yi-VL-34B展现出强大的跨学科知识理解和应用能力，并展现了在复杂跨学科任务上的强大实力。此外，Yi-VL-34B在针对中文场景打造的CMMMU数据集上的准确率也达到了36.5%，领先于当前最前沿的开源多模态模型。Yi-VL-34B的出色表现证明了其在图文理解和对话生成能力上的卓越表现。

YoloDotNet 是基于C#的实时目标检测库，支持分类、目标检测、OBB检测、分割和姿态估计。

YOLOv10是一款高效的实时端到端目标检测模型，优化了模型结构和后处理过程。

YOLOv9是基于深度学习的一种快速、准确的对象检测算法。其主要亮点在于能够在保持较高检测精度的同时，实现快速的检测速度，适合在实时应用中使用。

Openator是一款开源浏览器代理工具，能够执行自然语言制定的操作。

开源高效智能体框架

AI引导式提示词生成

YT Navigator 是一个AI驱动的YouTube频道内容搜索工具，可高效地搜索、聊天和定位视频内容。

yt2doc 是一款将视频转录为可读Markdown文档的工具，支持YouTube和Twitter。

YouTube 转录 MCP 服务器

Zero-Chatgpt是一个开源项目，旨在从零开始实现chatgpt的技术路线与模型训练。

极简TypeScript LLM智能体框架

ZeroSearch是一个强化学习框架，无需真实搜索引擎即可提升LLM的搜索能力，降低API成本。

Zerox OCR 是一种经济高效且准确的文档OCR工具，适用于AI数据处理。

Zev是一个使用自然语言查询终端命令的Python工具，基于OpenAI API或Ollama实现。

LLM应用分析利器：Zibly，提升你的LLM表现

轻量级CLI MCP客户端：桥接本地LLM与MCP服务器

极简 AI 智能体框架

Zola是一款免费开源AI聊天应用，支持多模型，提供文件上传等功能，正处于Beta测试阶段。

Zonos-v0.1是一个多语言文本转语音模型，支持声音克隆与情感调控，音质优越。

Zotero PDF2zh是一款用于在Zotero中翻译PDF文件并支持双栏PDF分割的插件。

提示词注入的原因：

创作猫是一个视频剪辑软件，也是一个全能的创作平台。它具有去水印、下载作品、抠图、剪辑视频、配音、转文字等一系列强大功能，并且还支持AI成片功能。此外，创作猫还支持批量运营和账号运营，适合个人创作者和团队运营使用。除此之外，创作猫还提供了各种变现机会，比如通过社交媒体平台引流和小程序变现功能。

哄哄模拟器源于一次争吵后的创意灵感，是一个带有数值和反馈系统的基于场景的聊天应用。它通过聊天AI处理用户输入，并根据用户的回复对情感值进行变化。在App内，用户需要在指定聊天次数内将对方（AI）哄好，以提升“原谅值”，从而解决各种常见情侣吵架场景。该模拟器并不仅限于聊天，而是结合了数值系统和各种判定，提供了一种游戏化的体验。虽然该产品具有很高的用户满意度，但因为运行成本极高，目前产品前景不太明朗。

AI全流程自动化开发平台

昆仑万维推出国内首款AI音乐生成大模型「天工SkyMusic」并开启免费邀测

海绵音乐是一款 AI 音乐创作产品，输入一句话灵感或者歌词，即可快速生成音乐，最大限度拉近每个人同音乐创作的距离。同时，海绵音乐提供了丰富的自定义功能，让每个人都可以一键创作属于自己的 AI 音乐。在这个过程中，偶遇惊喜，发现更多可能，为你打造耳目一新的音乐创作体验。

小智 AI 聊天机器人是基于ESP32开发的开源项目，旨在帮助用户学习AI硬件开发。

小红书笔记生成器可将视频一键转化为优质笔记，自动优化内容与配图，方便内容创作者使用。

快手版Sora「可灵」开放测试，生成超长1080p视频，模拟真实物理与复杂运动。

基于大型语言模型（如GPT-3.5/GPT-4.0）的智能对话客服工具

手撸Claude Code：LLM Agent开发教程

吴恩达新写的提示工程技巧

这是一个无需代理的LLM网络搜索引擎，支持多引擎搜索、智能解析和异步处理，适用于大模型外部知识调用。

基于AI的日语语句分析器，为中文用户提供深入的日语语法、词义解析，以及OCR图像识别和语音朗读等功能。

一个基于本地大语言模型的智能文档问答系统，它支持PDF文档解析和自然语言问答，并新增了联网搜索增强功能。系统的主要特点包括私有数据安全、实时响应、领域适配、离线/在线双模式和成本可控。文章详细描述了系统的功能特性、安装步骤、使用方法、配置说明、技术架构和RAG优化技巧。此外，还提供了常见问题解答、API接口使用说明，以及如何通过Ollama服务来运行本地大语言模型。总的来说，这是一个全面的指南，旨在帮助用户快速搭建和优化一个本地RAG问答系统，实现文档智能化处理和高效信息检索。

@fabianstelzer 在Glif做的一个超强meme生成器

你探索 @runwayml #Gen2 过 的风格功能吗？看看这个用粘土制作的梵高作品的视频——就像走进了梵高的双手雕刻的世界。 🎨 🖌️ 关注更多将经典艺术与现代技术融合的创新方式！

海螺问问是一款以GPT-4模型为基础的人工智能聊天应用，提供联网搜索、上传文件和照片答疑的功能。最吸引人的是它的语音通话功能，用户可以选择多种声音进行语音通话，仿佛与对方面对面聊天，还可以上传自己的声音进行克隆。此外，海螺问问还提供其他AI聊天应用，让用户尽情体验AI带来的乐趣。

神秘的gpt2-chatbot 表现和GPT4不分上下

秒画功能是一款由商汤日日新大模型体系研发的图像生成平台“秒画SenseMirage”的移动端版本。这款平台通过深度学习技术，利用少量提示词，就能自动补全并生成高质量的图像。它的上线主要为了让用户随时随地都能够轻松进行文生图创作。秒画3.5版本已经正式上线移动端，并且是免费开放的。

红薯智语是一款专为小红书用户量身打造的智能文案生成工具。用户只需要上传一张图片,它就可以智能生成符合小红书风格的文案。无论用户想分享美食、旅行、时尚搭配还是生活方式,红薯智能可以提供个性化、吸引人的文案建议,助力用户的笔记脱颖而出。该产品拥有1500万条小红书文案库积累,可深度学习小红书用户的表达习惯和内容偏好,从而输出高质量文案。同时,它支持用户输入关键词,自定义文案风格和场景标签,实现文案高度个性化。该产品可让小红书用户轻松获取专业级文案,极大提高内容创作效率。

AI编码面试解题助手

腾讯文档智能助手正式开启公测,可与Word、Excel、PPT等多品类文档进行智能互动,支持内容秒级生成,实现数据处理、版式美化等创作辅助功能。主要优势有:可基于标题或描述生成多类型文档内容,支持函数公式应用、数据处理、表格自动化等能力,实现 PPT 一键美化,可快速提取 PDF 文档摘要等,让文档内容实现跨品类畅通流转。

大模型驱动的虚假新闻事实核查

开源免费中文智能语音工作流

讯飞星火认知大模型是科大讯飞推出的AI大语言模型，专注于提供高精度的语音识别和超拟人化的语音合成服务。它支持多种语言和方言，具备自动语种判断和智能标点功能，能够实现流畅的语音转文字和自然口语的语音输出。该模型适用于语音搜索、聊天输入、游戏娱乐、人机交互、智能客服等多个场景，为企业和开发者提供了强大的语音交互解决方案。

多模型智能论文生成

语析是基于大模型的知识库与知识图谱问答系统，支持多模型、灵活知识库和智能体拓展。

谷歌 I/O 2024 发布了众多新技术，包括 Gemini AI、大语言模型和通用 AI 智能体等，全面颠覆搜索体验。

原生多模态跟GPT聊天部分测试，大家都用他来做什么。

该程序利用 OCR 技术自动识别小猿口算中的数字并进行比大小操作。

AI金融研报自动生成系统

闲鱼AI监控与智能筛选平台

LLM概念动画生成器

AI多角色多情绪配音平台