GitHub 热门项目
每日更新，精选值得关注的开源项目 · 共 52 个
MOSS-TTS-NanoMOSS-TTS-Nano 是一个开源多语言微型语音生成模型。仅包含 0.1B 参数，专为实时语音生成设计，可直接在 CPU 上运行（无需 GPU），并保持部署栈足够简单，适用于本…
MOSS‑TTSMOSS‑TTS 家族是由 MOSI.AI 与 OpenMOSS 团队 推出的开源 语音与声音生成模型家族。该系列面向 高保真、高表现力 与 复杂真实场景 设计，覆盖稳定长文本语音…
ClawithClawith 是一个开源的多智能体协作平台。不同于单一 Agent 工具，Clawith 赋予每个 AI Agent持久身份、长期记忆和独立工作空间——让它们组成一个团队协作工作…
SimpleMemSimpleMem 是面向 LLM 智能体的统一记忆栈，基于一个核心原则：以高信息密度存储语义无损记忆，使智能体在召回更多信息的同时消耗更少的 token。该包整合了三项共享此原则…
Qwen3-ASRQwen3-ASR 系列包括 Qwen3-ASR-1.7B 和 Qwen3-ASR-0.6B，支持 52 种语言和方言的语言识别和自动语音识别 (ASR)。两者都利用了大规模语音训…
HunyuanImage-3.0HunyuanImage-3.0 是一个突破性的原生多模态模型，它在自回归框架内统一了多模态理解和生成任务。它的文生图和图生图能力实现了与领先的闭源模型相当或更优的性能。 模型亮点…
Ideogram 4Ideogram 4 是 Ideogram 的首个开放权重文本转图像模型。它是一个从零开始训练的先进基础模型，并非对现有模型的微调。 它引入了全新的结构化 JSON 提示界面，具备…
TabFMTabFM 是一个与 scikit-learn 兼容的表格基础模型。它允许你开箱即用地对具有混合列类型的表格数据集执行零样本分类和回归。 在推理时，TabFM 不需要数据集上的训练…
HY-World 2.0HY-World 2.0 是一个面向世界生成和世界重建的多模态世界模型框架。它接受多种输入模态——文本、单视图图像、多视图图像和视频——并生成3D世界表示（网格 / 3D高斯点云）…
HY-Motion 1.0HY-Motion 1.0 是一系列基于 Diffusion Transformer (DiT) 和流匹配 (Flow Matching) 技术的文生3D人体动作生成模型。开发者可…
JoyAI-Echo长视频生成仍然面临误差累积、时间一致性差和延迟过高等问题，限制了其在交互式场景中的应用。JoyAI-Echo 框架通过四项关键改进突破了这些障碍。 其核心在于一个跨模态视听记忆库，…
FireRedASRFireRedASR2S是一款最先进的（SOTA）工业级一体化ASR系统，包含ASR、VAD、LID和Punc模块。所有模块均达到SOTA性能水平。 FireRedASR 是一系列…
JoyAI-VL-InteractionJoyAI-VL-Interaction 是一个 8B 规模、以视觉为核心的交互模型，并随模型一同发布训练配方、数据和完整可部署系统，且全部开放。只要把摄像头或直播流接入它，它就能…
HunyuanVideo-I2VHunyuanVideo-I2V 是一个图像到视频生成框架。 HunyuanVideo-I2V 整体架构 基于HunyuanVideo强大的视频生成能力，团队将其扩展至图像到视频生…
AngelSlimAngelSlim是腾讯自研的，致力于打造更易用、更全面和更高效的大语言模型压缩工具包。将开源量化、投机采样、稀疏化和蒸馏等压缩算法。覆盖主流最前沿的大模型，并且端到端打通从压缩到…
Sa2VASa2VA 是首个统一的图像和视频密集型语言理解模型。与现有多模态大型语言模型通常局限于特定模态和任务不同，Sa2VA 支持广泛的图像和视频任务，包括指称分割和对话，且只需极少的单…
LingBot-DepthLingBot-Depth 是一种面向真实场景的深度补全模型，旨在将不完整且受噪声干扰的深度传感器数据转化为高质量、具备真实尺度的三维测量结果。 该模型针对机器人与自主系统中的关键…
OpenScholarOpenScholar是开源学术搜索AI工具，旨在通过检索和综合科学文献中的相关论文来回答用户问题。该工具利用大规模科学论文数据库、定制的检索器和重排器，以及一个优化的80亿参数语…
HY-World 1.5HY-World 1.5 是一个流式视频扩散模型，能够实现具有长期几何一致性的实时交互式世界建模，解决了当前方法速度和内存之间的权衡。 模型源自四个关键设计。 1) 使用双重动作表…
Seed1.5-VLSeed1.5-VL 是一个强大而高效的视觉语言基础模型，专为高级通用多模态理解和推理而设计。 Seed1.5-VL 包含一个 5.32 亿参数的视觉编码器，以及一个激活参数规模达…
Hy-MT2Hy-MT2 是一款面向真实复杂场景的“快思考”多语言翻译模型家族，涵盖 1.8B、7B 和 30B-A3B（MoE）三种体量，支持 33 种语言互译并具备强大的多语言指令遵循能力…
TokenHubTokenHub 让企业通过一个私有化网关统一接入和治理 AI 模型，让每一次调用都可控、可追踪、可归因。 围绕三大角色设计 TokenHub 将日常模型使用、团队治理和平台运维拆…
Qwen3-VL-EmbeddingQwen3-VL-Embedding 和 Qwen3-VL-Reranker 模型系列是 Qwen 家族的最新成员，它们基于近期开源且功能强大的 Qwen3-VL 基础模型构建而成…
RTP-LLMRTP-LLM 是由阿里巴巴基础模型推理团队开发的大型语言模型（LLM）推理加速引擎。它在阿里巴巴集团内部广泛应用，为包括淘宝、天猫、闲鱼、菜鸟、地图、饿了么、AE和Lazada在…
可减少一两项筛选条件后重试：