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。

StreamV2V 是一个能够在RTX 4090显卡上实现实时视频转换的工具。它支持面部替换、视频风格化等功能，并且能够与文本到图像生成应用无缝集成。项目基于开源社区的技术，如StreamDiffusion和LCM-LORA，提供了流畅的视频转换体验。

ViViD是一个基于扩散模型的视频虚拟试穿技术项目，由中国科学技术大学和阿里巴巴集团联合开发。该项目旨在通过合成视频让消费者看到衣物穿在自己身上的真实效果，解决了传统基于图像的方法在视频中导致的时间不一致性问题。ViViD生成高质量的视频，保留了衣物的细节和质感，并构建了一个高分辨率、种类丰富的数据集，显著提升了模型的表现。项目支持多种服装类型，包括上身、下身和连衣裙，能够生成高分辨率的试穿视频，并具有较快的处理速度，适用于实时或近实时的应用场景。

ToonCrafter 是一个由香港中文大学、香港城市大学和腾讯人工智能实验室联合开发的工具，旨在帮助动画师生成和优化卡通动画的过渡效果。它通过生成模型和插值技术，解决了卡通动画中帧与帧之间过渡不自然的问题，显著提升了动画制作的效率和效果。项目支持多种功能，包括卡通草图插值、草图上色、稀疏草图引导、参考图像上色、细节注入与恢复以及用户交互控制。

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。

FollowYourPose是由腾讯混元团队联合中山大学、香港科技大学推出的图生视频模型。该模型通过输入一张人物图片和一段动作视频，能够生成人物跟随动作的视频，视频长度可达10秒。项目基于Stable Diffusion模型，通过两阶段训练方案，利用图像-姿态对和无姿态视频数据集，生成可编辑和姿态可控的人物视频。项目代码和模型已公开，支持在本地和云端运行。

MimicBrush是一个基于参考图像的零样本图像编辑工具，能够根据用户提供的参考图像进行局部重绘。用户只需在原图中指定需要编辑的部分，并上传一张参考图像，MimicBrush即可自动捕捉两者之间的语义对应关系，并完成图像编辑。该项目支持多种模型和框架，如HuggingFace和ModelScope，并提供本地和在线演示。

ChatUI是阿里巴巴基于其丰富的聊天交互经验开发的一款专为构建对话式用户界面（Conversational UI）设计的语言和基于React的库。它提供了强大的工具集，包括TypeScript编写的稳健代码、自动适应不同设备的响应式设计以及对无障碍功能的支持。ChatUI旨在帮助开发者快速构建高效、可访问且国际化的聊天界面。

MetaVoice-1B 是一个拥有1.2亿参数的文本转语音(TTS)模型，专注于生成情感丰富、节奏自然和音调准确的英语语音。它支持零样本克隆美国与英国口音，并支持跨语言的声线定制。模型基于100K小时的语音数据进行训练，支持任意长度文本的合成，并提供了丰富的API和Web UI供用户使用。项目采用Apache 2.0开源许可，用户可以无限制地使用。

CosyVoice是阿里巴巴通义实验室开发的语音生成工具，支持多语言与跨语言生成、零样本语音克隆、双向流式语音合成、富文本与情感控制等功能。适用于直播、客服等对响应速度要求极高的场景。CosyVoice 2.0版本在1.0的基础上提供了更准确、更稳定、更快速、更高质量的语音生成能力。

seed-tts-eval是字节跳动开发的Seed-TTS模型的客观评估工具，包含用于评估零样本语音生成能力的测试集和指标计算脚本。该项目不发布Seed-TTS的源代码和模型权重，但提供了从公开语料库中提取的测试样本，用于衡量模型在多种客观指标上的表现。测试集包括来自Common Voice和DiDiSpeech-2数据集的样本，并采用WER（词错误率）和SIM（说话人相似度）作为评估指标。

ChatTTS-ui 是一个简单的本地网页界面，支持在网页上将文字合成为语音，支持中英文、数字混杂，并提供API接口。项目支持Windows、Linux、Mac多平台部署，用户可以通过网页界面或API进行文字转语音操作。

ChatALL是一个开源项目，允许用户同时与多个大型语言模型（LLM）进行对话。通过向多个AI机器人发送提示，用户可以发现最佳结果。该项目旨在提供更好的体验，用户只需下载、安装并提问即可。支持多种语言和操作系统，包括Windows、macOS和Linux。所有聊天记录和设置都保存在本地，确保用户隐私安全。

基于Unity开发的Live2D虚拟人聊天系统，利用Live2D技术实现动态虚拟人形象，集成多种API（如Azure、OpenAI和APISpace）进行实时聊天和图像处理。项目支持与用户进行动态交互，适用于虚拟助手、教育、娱乐等多种场景。项目提供了详细的技术文档和部署指南，开发者可以根据需求进行二次开发或集成。

anime.gf 是一个本地且开源的工具，提供与虚拟角色互动的平台。它支持多种API（如OpenAI、Anthropic、Mistral和TogetherAI），并允许用户自定义角色卡片。该工具具有用户友好的界面，支持多种LLM生成设置，并允许用户自定义主题。anime.gf 还支持Linux和MacOS系统，并提供自动更新功能。

Muice-Chatbot 是一个由 ChatGLM2-6B 和 Qwen-7B Qlora 微调模型驱动的聊天机器人，具备主动聊天、丰富情感色彩和高度定制化等特点。它支持 Python 3.10 环境部署，具有个性化的二次元风格和丰富的交互性。

OutfitAnyone是由阿里巴巴开发的基于扩散模型的2D虚拟试穿框架，旨在解决现有虚拟试穿技术在生成高保真、细节一致结果时遇到的挑战。该项目支持任何服装和任何人的虚拟试穿，具有广泛的应用场景，如电商、时尚设计等。项目目前已在ModelScope和Hugging Face上提供体验版本，用户可以通过上传服装图像进行虚拟试穿。

Stable Fast 3D是由Stability AI推出的开源模型，专注于从单张图片快速生成高质量的3D网格模型。该模型在0.5秒内即可将图片转换为详细的3D资产，包括UV展开的网格、材质参数和减少光照烘焙的反照率颜色。Stable Fast 3D基于TripoSR，但引入了多项新技术，确保生成的网格无伪影，并且纹理和材质参数易于集成到游戏引擎中。

EasyAnimate是阿里云人工智能平台PAI自主研发的基于DiT的视频生成框架，提供了从视频数据预处理、VAE训练、DiT训练、模型推理到模型评测的完整高清长视频生成解决方案。支持多种分辨率和帧率的视频生成，适用于文本到视频、图像到视频、视频到视频等多种生成任务。

Diffree是一种基于扩散模型的图像编辑工具，专门用于通过文本描述在图像中添加对象。它无需用户手动绘制遮罩或边界框，而是依靠模型自动预测对象的位置和形状，实现新对象的无缝融合。Diffree基于Stable Diffusion模型，并结合了一个额外的掩码预测模块，能够在保持背景一致性的同时，根据文本引导添加新对象。

MimicMotion是由腾讯和上海交通大学联合发布的一个基于图片生成跳舞视频的项目。该项目通过置信度感知的姿态引导，能够生成任意长度的高质量视频，支持面部特征和唇形同步，保证视频细节丰富、时间平滑性良好，并减少图像失真。此外，项目还提出了渐进式潜在融合策略，能够在生成长时间视频时控制资源消耗。

SAM 2 是 Meta AI 团队开发的开源 AI 模型，专注于图像和视频中的对象分割任务。它是全球首个支持视频实时抠像的 AI 大模型，能够在零样本前提下实现精准的对象分割。Meta 还提供了基于网络的演示体验，并共享了用于构建 SAM 2 的数据集 SA-V，许可为 CC BY 4.0。SAM 2 的设计基于简单的 Transformer 架构，支持实时视频处理，并提供了一个模型在环的数据引擎，通过用户交互改进模型和数据。

OpenUI是一个开源工具，旨在通过与AI聊天的方式定制UI界面，使UI设计过程变得有趣、快速和灵活。它支持PC端、平板端和手机端的UI设计，并能够实时渲染效果。用户可以通过文字描述生成UI界面，并通过聊天方式进行修改。此外，OpenUI还支持将HTML转换为多种前端框架，如React、Svelte、Web Components等。

LabelU 是一个全面的数据标注平台，专为处理多模态数据设计。它提供了一系列先进的标注工具和高效的工作流程，使用户能够轻松应对图像、视频和音频的标注任务。LabelU 旨在满足复杂数据分析和模型训练的需求，支持目标检测、分类、分割、关键点、折线、OCR等多种算法场景。此外，它还支持导入预标注的JSONL文件进行二次修改，并允许使用大模型进行自动标注后进行人工批量审核和修改。

Resyncer是一个Swift库，旨在在同步环境中无缝集成异步API。它允许开发者调用异步代码（无论是使用回调还是Swift的async/await模式），并阻塞调用线程，直到异步任务完成。这确保在继续同步工作流之前可以获得结果，非常适合需要顺序执行但涉及异步任务的场景。

Clarity Upscaler 是一款基于最新AI技术的开源图像放大与增强工具，能够将低分辨率图像放大到更高分辨率，同时保持图像的清晰度和质量。它适用于多种场景，如风景、肖像、插图、动漫、室内设计等。项目完全开源，用户可以自由使用和修改其代码。此外，Clarity Upscaler 还提供了多种使用方式，包括通过应用程序、API、ComfyUI、Cog 和 A1111 webUI 等。

UniPortrait是由阿里巴巴集团研究团队开发的一个创新性人像图像个性化框架。该框架能够统一处理单人和多人图像的个性化生成，确保在复杂场景中的身份一致性，并支持高保真度的身份保持和广泛的面部可编辑性。它无需预定义布局，支持自由文本描述，适用于多种应用场景。

EZ-Work是一个开源的AI文档翻译助手，旨在帮助用户快速、低成本地利用OpenAI等大语言模型API进行文档翻译。它支持多种文档格式的翻译，包括txt、word、csv、excel、pdf和ppt，适用于各种需要文档翻译的场景。项目支持批量操作、多线程处理、Docker部署，并兼容OpenAI格式的任何端点API。

SEED-Story是由腾讯ARC实验室推出的一个多模态长篇故事生成项目。它基于大型语言模型（MLLM），能够从用户提供的图像和文本开始，生成包含丰富、连贯的叙事文本以及风格一致的图像的多模态长篇故事。项目包括多模态故事生成模型、StoryStream数据集以及三阶段的技术方法（视觉分词、指令调优和去分词器适应）。用户可以通过提供起始图像和文本，生成多达25个多模态序列的故事，且生成的图像与叙事文本在风格和角色上保持高度一致。