Marker开源项目 – 高效电子书转换工具

AI写作助手帮助你创作内容更自信

将PDF文档转换为Markdown的智能工具，利用先进的视觉语言模型，能够精准识别并提取文本、表格和公式，保留文档格式和层次结构

AiTransform是一个基于神经网络和机器学习的人工智能工具集，支持完全离线使用，旨在最大限度地保护用户隐私，同时提供高效的服务。它能够从图片中提取文本并生成可编辑的Word文档，支持文档格式转换和视频转化等功能。

PDF Craft是一个专注于处理扫描书籍PDF的开源工具，能将PDF文件高效转换为Markdown或EPUB格式。 它通过本地AI模型（如DocLayout-YOLO、OnnxOCR）实现文本提取、页眉页脚过滤、跨页文本衔接， 并支持集成LLM（如DeepSeek）进行书籍结构化处理、OCR纠错和注释优化。适合论文、书籍等文档转换， 提供从本地处理到云端LLM协同的多层次解决方案。

在线文字编辑器是一个AI写作工具，通过提供无缝的在线平台，帮助用户创建、编辑和转换文档，提升写作体验。

Awesome Diffusion V2V 是一个基于扩散模型的视频编辑技术和基准测试的资源集合。该项目汇集了多种视频编辑的关键技术和方法，旨在推动视频编辑领域的研究与应用。通过提供丰富的资源列表和基准测试代码，帮助研究人员和开发者更好地理解和应用扩散模型在视频编辑中的潜力。

Google开源的Gen AI Toolbox for Databases是一个专为开发者设计的工具箱，旨在简化与数据库交互的生成式AI工具的开发过程。它提供了快速处理连接池、安全处理身份验证、内置详尽的技术文档等功能，帮助开发者更高效地构建和优化数据库相关的生成式AI应用。此外，工具箱还集成了OpenTelemetry支持，提升了端到端的可观测性，并简化了开发流程，使得集成工具仅需不到10行代码即可完成。

x-crawl是一个灵活的Node.js爬虫库，提供强大的AI辅助功能，使得爬虫的工作更加高效、智能和便捷。

PocketFlow是一个自动模型压缩（AutoMC）框架，旨在开发更小、更快的AI应用。它支持多种压缩技术，如剪枝、量化和蒸馏，并集成了TensorFlow和PyTorch等流行的深度学习框架。该框架能够在边缘设备上高效部署，并允许根据不同用例定制压缩策略。

Jetstream 是为 AT Proto 协议开发的轻量级 JSON 事件流处理工具，能够将 ATProto 的 CBOR 编码 MST 块转换为易于处理的 JSON 对象。它支持实时订阅和过滤特定集合与 DID，提供压缩传输，特别适用于 Bluesky 社交网络的数据流处理。

Woodpecker是一种用于多模态大语言模型的幻觉修正工具，旨在提高生成文本的准确性和可靠性。它支持多种输入类型和数据源，集成简单，易于使用，能够有效地纠正生成过程中出现的错误信息。

Track Anything 是一个高效的目标跟踪项目，旨在实现视频中物体的准确跟踪与抠图，具有出色的实时性能和用户友好的界面。

这是一个基于ByteDance的MegaTTS3模型的ComfyUI自定义节点，提供高质量的文本到语音合成功能，支持中英双语和语音克隆。 项目通过ComfyUI的工作流界面实现语音生成和克隆，支持参数调优、GPU资源优化和自动模型下载等功能。 用户可以通过提供简短的语音样本（WAV和NPY文件）克隆任何声音，并精细控制发音质量、语音相似度等参数。

Maestro是一个基于Anthropic API的AI辅助任务拆分和执行框架，利用Claude Opus和Haiku模型将复杂目标分解成可管理的子任务，并自动生成最终结果。它支持多种API，简化了AI模型选择过程，并提供了用户友好的Web界面，旨在提高AI项目的执行效率。

AutoML Toolkit是一个用于构建AutoML系统的框架，旨在通过简明的研究成果支持各种AutoML设计决策，允许简单原型扩展到可用的计算资源，并提供一个可扩展的框架来构建真实而强大的AutoML系统。