Seed-VC开源项目 – 零样本语音/歌声转换工具

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。

FliFlik Voice Changer是一个革命性的语音转换器，旨在提升您的聊天和游戏体验。这个AI语音转换器可以帮助您将声音转换为您想要的任何声音。

OpenNLP是一个Apache开源项目，提供了一个用于自然语言处理的机器学习库，支持多种文本分析任务。它通过高效的算法和可扩展的模型，帮助开发者处理和分析大规模文本数据。

Speech Trident 是一个专注于收集和整理语音/音频领域的大语言模型(LLM)、表示学习和编解码模型的资源列表。该项目旨在为研究者和开发者提供一个全面的参考和指南，帮助他们快速找到相关的模型和工具，推动语音/音频领域的机器学习研究和应用。

Depth Anything V2 是一种单目深度估计的强大基础模型，显著改善了细节刻画和鲁棒性。它提供更快的推理速度、更少的参数和更高的深度精度，适用于各种单目深度估计应用。项目提供了四种不同规模的预训练模型，支持图像和视频的深度估计，并且可以通过 Transformers 和 Apple Core ML 进行便捷的使用。

Unified Video Action Model 是一个专注于视频与动作建模的项目，旨在帮助机器人理解视频内容并预测后续动作。通过两阶段的训练方法，先进行视频生成，再进行动作预测，从而实现更优的效果。该项目支持多种模拟与真实机器人任务，涵盖了PushT、Libero10等数据集，并提供了Colab笔记本，方便用户快速上手体验。

Llama Stack 是一个开源项目，旨在将 LLM 应用构建生成周期的所有组件打包，包括训练、微调、产品评估、观测、Agent & Memory、合成数据生成等，并支持 9+ 提供商。

Chinese-Tiny-LLM（CT-LLM）是一个拥有20亿参数的大语言模型，主要在12000亿中文语料库上进行预训练，其中包括8000亿中文、3000亿英文和1000亿代码的混合数据。该模型通过中文数据进行预训练和微调，显著提升了中文处理能力，并通过对齐技术进一步优化。CT-LLM在CHC-Bench中文任务中表现出色，同时在英文任务中也表现出良好的适应性。项目开源了训练过程、数据处理方法以及大规模中文预训练语料库（MAP-CC），并引入了中文难例基准（CHC-Bench），旨在推动更包容和适应性强的语言模型研究。

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。

MindCV是一个基于MindSpore的视觉模型和算法工具箱，致力于计算机视觉相关技术的研究与开发。它提供了全面的视觉模型集合，并与MindSpore框架深度集成，支持多种计算机视觉算法。该项目是开源的，社区驱动，既适用于研究，也适用于实际应用。

一个收集和分享各类软件和应用特惠信息的开源项目，主要聚焦于开发工具、Mac应用、生产力工具、设计工具等Black Friday和Cyber Monday期间的限时优惠。

基于Langchain框架的RAG实践指南，专注于高级检索增强生成（RAG）技术的应用与实现。该项目提供详细的实践指南、丰富的示例代码和文档，帮助用户快速上手和深入理解RAG技术，支持多种数据源和检索方法，增强系统的灵活性和适应性。

《动手学大模型》系列编程实践教程，由上海交通大学《人工智能安全技术》课程讲义拓展而来，旨在帮助开发者深入理解和实践大模型的相关技术。通过简单实践，帮助同学快速入门大模型，更好地开展课程设计或学术研究。

D²-MoE是一种专为基于Mixture of Experts（MoE）的大型语言模型（LLM）设计的高效压缩方案。通过其独特的Delta Decompression技术，该方案能够在无需额外训练的情况下显著减少模型参数，同时保持模型的性能。D²-MoE支持多种模型架构，如Mixtral和DeepSeek，具有广泛的适用性。

Wan2GP是一款基于Wan2.1的阿里巴巴开源和先进的大规模视频生成模型，专为显存有限的GPU用户设计，让普通GPU也能高效运行视频生成任务。它优化了内存消耗，适配几乎所有消费级显卡，支持多种生成任务，包括文本转视频、图片转视频等，是显存有限用户的理想选择。