HumanGaussian是一个高效的3D人体生成框架，通过Gaussian Splatting技术生成高质量、细节丰富的3D人体模型。该框架结合了显式的人体结构引导和梯度规范化优化，解决了现有方法在细节不足或训练时间过长的问题。其核心创新包括结构感知的SDS（Score Distillation Sampling）和退火负提示引导，能够在多样化的场景下生成逼真的3D人体模型。

Large World Model (LWM) 是一个通用的大环境多模态自回归模型，专注于处理长视频和书籍数据。它使用RingAttention技术进行训练，能够处理多达100万token的上下文，支持语言、图像和视频的理解与生成。LWM通过整合大量多样化的视频和书籍数据集，解决了现有语言模型在处理复杂、长任务时的不足，尤其在文本图像生成、文本视频生成等任务中表现出色。

DepthFM 是一个先进、多功能且快速的单目深度估计模型，能够在单次推理步骤中生成高质量的深度图。该模型展示了从基础图像合成扩散模型（Stable Diffusion v2-1）到流匹配模型的成功迁移，直接从输入图像映射到深度图。DepthFM 不仅在常规深度估计任务中表现出色，还在深度修复和深度条件合成等下游任务中展现了领先的能力。

MVEdit是一个基于PyTorch的开源项目，专注于通过多视图扩散技术生成高质量的3D模型。它支持从文本和图像生成3D模型，提供了全功能的UI界面，并集成了多种先进的3D生成和编辑技术。项目结合了多篇研究论文的技术，如3D-Adapter和Generic 3D Diffusion Adapter，能够快速生成几何一致的3D物体。

become-image 是一个基于 AI 的图像处理工具，能够将一张人脸图片转换为另一张完全不同风格的图片。用户只需上传两张图片：一张包含人脸的原始图片和一张目标风格图片，即可生成风格化的人脸图像。该工具支持参数调节和提示词输入，允许用户根据需求定制生成的图片。此外，项目提供了在 Replicate 和 ComfyUI 上的运行方式，并支持本地开发环境部署。

DUSt3R 是一种全新的3D立体重建方法，仅需两张图片即可完成3D建模，无需相机校准或视点姿态等先验信息。该项目提供了从图像对到3D点云的完整流程，支持多种分辨率和模型配置，适用于多种场景的3D重建任务。

aidea-server 是一款由国内独立开发者开源的AI大模型聊天、AI绘画、AI图生视频聚合集成产品，支持全平台（web/h5/pc/Android/iOS），包含会员账户系统和支付系统，完成度非常高。前后端项目完全开源，用户可自行部署，开箱即用。支持多种AI聊天模型如GPT、通义千问、文心一言等，以及开源大模型如Yi 34B、Llama2、ChatGLM2等。此外，还支持文生图、图生图、超分辨率、黑白图片上色、艺术字、艺术二维码等功能。

SDXS是小米开源的AI绘画扩散模型，通过知识蒸馏技术和单步DM训练方法，显著提升了生图速度。SDXS系列包括SDXS-512和SDXS-1024两个模型，分别针对512x512和1024x1024分辨率的图像生成需求，单GPU环境下推理速度分别达到约100 FPS和30 FPS，相较于传统模型速度提升30至60倍。SDXS还支持ControlNet训练，适用于图像条件控制和图像到图像的高效转换。

Reader 是一个由 Jina AI 开发的开源工具，旨在将任何网页URL转换为大语言模型（LLM）友好的输入格式。它通过简单的前缀 `https://r.jina.ai/` 实现这一转换，从而帮助LLM更高效地处理和理解网络内容。Reader 还支持网页搜索功能，通过 `https://s.jina.ai/` 前缀，允许LLM访问最新的网络知识。该工具支持标准模式、流式和JSON格式输出，适用于自动化系统如聊天机器人、内容摘要生成器等场景。

CTRL-F-VIDEO 是一个开源项目，旨在帮助用户在视频中搜索特定的单词或短语。它主要针对YouTube视频，通过Chrome扩展实现搜索功能。项目利用OpenAI的Whisper模型将视频中的音频转换为文本，从而实现准确的搜索和匹配。搜索结果会被存储在json文件中，便于之后再次访问该视频时快速获取之前的搜索结果。项目还支持时间轴高亮显示，帮助用户快速定位关键词在视频中的位置。

Supermemory是一个帮助用户构建‘第二大脑’的工具，通过Chrome扩展和强大的AI功能，用户可以保存、组织并与互联网上的有价值内容进行交互。它允许用户将网页、推特收藏等转换为可搜索和可交互的格式，并通过类似ChatGPT的聊天方式与这些内容互动。Supermemory旨在为LLM（大语言模型）提供上下文知识，使其在多种场景下更加智能和实用。

Video2Game 是一个将单个视频转换为实时互动、逼真的游戏和模拟环境的技术。它通过神经网络技术（NeRF）捕捉场景的详细视觉和几何信息，并将这些信息转化为游戏中的网格模型和物理行为。玩家可以在这些环境中行走、驾车、甚至与场景中的对象互动，如射击和碰撞，所有这些都遵循现实世界的物理法则。此外，这项技术还可以用于机器人模拟，例如使用机器人在虚拟环境中操控物体。

TeToS (Text-to-Speech Operating System) 是一个开源项目，提供了一个统一的接口来集成和使用多个文本到语音（TTS）服务提供商。它简化了开发者在不同TTS服务之间的集成和使用过程，使得开发者可以轻松地切换或同时使用多种不同的文本到语音服务。支持多种TTS服务提供商，如Edge-TTS、OpenAI TTS、Azure TTS、Google TTS、Volcengine TTS、Baidu TTS、Minimax TTS、迅飞 TTS和Fish Audio等。

Twitter-Insight-LLM是一个开源项目，主要用于从Twitter抓取数据，并支持基于嵌入的图像搜索、数据分析和可视化、图像标注等功能。项目利用Selenium进行数据抓取，支持将数据保存为JSON和Excel格式，并提供初步的数据分析和图像标注功能。此外，项目还引入了实验性的基于嵌入的图像搜索功能，支持多语言搜索。

deepcharacters是一个基于TensorFlow的开源项目，旨在实现从稀疏RGB摄像头实时生成角色的自由视角视频。该项目支持高精度动态建模和4K分辨率渲染，仅需4个摄像头视角和3D骨骼姿势即可生成逼真的角色视频。项目代码结构清晰，包含深度学习框架、自定义TensorFlow操作符和CUDA渲染器，适用于计算机视觉和AI领域的研究与开发。

Agently-Daily-News-Collector 是一个基于Agently AI应用开发框架的开源项目，能够根据用户输入的主题关键词，自动完成新闻汇总报告的结构设计、栏目组稿（含新闻检索、筛查、总结、栏目信息撰写）及报告MarkDown格式文件的输出全过程。该项目旨在通过AI代理自动生成高质量的新闻汇总报告，用户只需输入主题，AI代理将自动完成所有工作，并生成MarkDown格式的新闻汇总文件。

LoG是浙江大学3DV小组提出的一种新型3D场景高效渲染方法，旨在解决高质量、实时渲染数百万平方米大规模场景的挑战。它采用类似细节层次（LOD）的思想，通过树状结构存储高斯原始体，实现场景的高效渲染，适用于游戏开发、电影制作、城市规划和虚拟旅游等领域。

kimi-free-api 是一个提供 Kimi 大模型 API 的免费开源项目。Kimi 是一款国产智能大模型，支持中英文对话，具备200万字超长上下文输入能力，能够处理和分析大量文本信息。该项目允许用户通过 API 接入 Kimi，实现自部署，支持多轮对话、联网搜索、长文档解读、图像解析等功能。项目提供多种部署方式，包括 Docker、Docker-compose、Render、Vercel、Zeabur 等，并且与 OpenAI 的 API 完全兼容。

Windrecorder是一款通过记录屏幕上所有内容、实现记忆搜索的开源应用。它可以根据OCR文本或画面描述进行搜索，并提供活动统计、词云、时间轴等数据摘要。所有功能完全运行在本地，无需联网或上传数据，确保数据隐私。支持多语言（简体中文、English、日本语），并提供完善的webui界面。

ChatGPT-On-CS 是一个基于大语言模型（LLM）的集成客服系统，提供开箱即用的智能客服解决方案。它支持微信、千牛、哔哩哔哩、抖音企业号、抖音、抖店、拼多多、微博聊天、小红书专业号运营、小红书、知乎等多个平台接入，支持文本、语音和图片处理，通过插件访问操作系统和互联网等外部资源，并支持基于自有知识库定制企业AI应用。该项目可选择GPT3.5/GPT4.0/懒人百宝箱/FastGPT/DifyAI/通义千问/文心一言等平台大模型，适用于处理复杂或个性化的客户咨询。

AiEditor是一款面向AI的下一代富文本编辑器，基于Web Component开发，支持多种前端框架（如Vue、React、Angular等），适配PC和手机端，提供亮暗两种主题。它支持私有ApiKey对接大模型，允许用户自定义AI功能和扩展菜单。此外，AiEditor提供开源版本和更强大的商业版本，适用于各种文本编辑应用。

RAG-GPT 是一个基于 Flask 框架的开源项目，利用大语言模型（LLM）和检索增强生成（RAG）技术，快速搭建智能客服系统。项目支持多种知识库集成，包括网站、独立URL和本地文件，提供灵活配置和快速部署的能力。用户可以通过 Docker 或源代码部署，支持多种 LLM 模型（如 OpenAI、ZhipuAI、DeepSeek、Moonshot 等），并内置了管理控制台和聊天机器人前端，便于管理和测试。

Qwen2.5是阿里巴巴开源的通义千问系列第二代AI模型，支持多种语言、代码和数学能力显著提升，上下文长度支持最高达到128K tokens。该模型提供了从0.5B到72B的不同规模版本，适用于各种应用场景。Qwen2.5在指令跟随、长文本生成、结构化数据理解等方面有显著改进，并且支持多达29种语言。

OpenCLAY是由影眸团队推出的3D生成AI模型，能够在几十秒内通过文本生成高质量的3D模型。该模型具有逼真的材质效果，支持多种输入类型和用户控制，适用于广泛的3D创作需求。

DynamiCrafter是由香港中文大学、腾讯AI实验室和北京大学共同开发的项目，利用视频扩散先验技术将静态图像转换为动画。该项目支持多种主题和风格，如风景、人物、动物、交通工具、雕塑等，并且能够生成高分辨率、动态连贯的视频。DynamiCrafter还提供了生成帧插值和循环视频生成的功能，适用于多种应用场景，如故事讲述视频生成等。

Translation Agent 是一个基于LLM（大语言模型）的翻译智能体项目，由吴恩达开源。该项目通过提示LLM将一种语言翻译成另一种语言，并让LLM反思翻译结果，提出改进建议，最终利用这些建议优化翻译。项目展示了如何使用反思工作流进行机器翻译，具有高度的可定制性，能够通过修改提示词来调整翻译风格、处理特定术语和方言等。尽管该项目尚未成熟，但在某些情况下，其翻译效果甚至优于商业产品。项目鼓励更多的讨论、实验、研究和开源贡献，旨在推动翻译技术的进一步发展。

CompreFace是一个免费且开源的人脸识别系统，基于Docker应用，可以作为独立服务器或部署在云中。它提供了REST API，支持人脸识别、人脸验证、人脸检测、关键点检测、口罩检测、头部姿态检测、年龄和性别识别等功能。用户无需具备机器学习技能即可轻松集成和使用。CompreFace支持CPU和GPU，易于扩展，且具备角色管理系统，方便控制对服务的访问权限。

Suno-API是一个基于Python和FastAPI的非官方API，主要用于生成音乐和歌词。它内置了自动维护和保持令牌有效的功能，用户无需担心令牌过期问题。该项目代码简洁，易于维护和二次开发，适合快速扩展和集成。

99AI是一个可商业化的AI Web平台，提供一站式的人工智能服务解决方案。它集成了多种AI技术，包括对话、绘画、语音处理等功能，支持私有化部署和多用户管理，适合企业、团队或个人快速构建AI服务。前端使用Vite + Vue3框架，后端采用Node.js + NestJS，保证了服务的稳定性和扩展性。

EvTexture是一种基于事件相机的高频动态细节来提升视频纹理质量的新方法。通过多次迭代优化细节信息，确保在时间轴上每一帧的细节都能保持一致。该项目提供了Pytorch实现，并已在ICML 2024上发表。项目支持多种数据集，并提供了预训练模型和测试集，方便用户快速测试和使用。