SpeechGPT开源项目 – 多模态大语言模型

GPT Router是一个开源的LLM API网关，提供超过30个LLM、视觉和图像模型的通用API，具备基于可用性和延迟的智能回退、自动重试和流式传输功能，即使在OpenAI宕机时也能保持操作。

Infinite Bookshelf 是一个基于 Groq 平台和 Llama3 模型的流式应用程序，能够从一个简单的提示快速生成书籍。它特别适合非小说类书籍的创作，能够在几秒钟内生成每一章的内容。项目使用 Llama3-8b 和 Llama3-70b 两种模型，大模型负责构建书籍结构，小模型负责生成具体内容。生成的书籍内容采用 Markdown 格式，支持表格、代码等多种元素，并且可以下载包含整本书籍内容的文本文件。项目展示了 AI 在内容创作方面的潜力，未来将支持生成高质量的小说书籍。

HPT是HyperGAI的开源多模态大语言模型，能够有效理解文本和视觉输入之间的关系，提供强大的语义理解和生成能力，适用于各种应用场景。

Auto-PPT是一个开源项目，利用GPT-3.5技术自动生成高质量的PPT，支持多种主题和模板，旨在简化演示文稿的制作过程。该项目提供用户友好的界面和可定制的幻灯片布局，适合各种场景的需求。

Lightning IR 是一个基于 PyTorch Lightning 的库，专门用于微调和运行基于 transformer 的语言模型进行信息检索任务。它提供了完整的解决方案，支持多种信息检索任务和数据集，简化了模型训练和推理过程，同时易于扩展和定制。

Cursor是一个专门用于收集和分享Cursor使用的Prompts的库，旨在为开发者提供方便的Prompt资源，支持多种编程语言，易于集成和使用，同时由社区持续维护和更新。

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。

Ninja Keys 是一个为网站提供键盘快捷键接口的工具，兼容静态HTML、Vanilla JS、Vue、React和Svelte等多种技术栈，旨在通过快捷键提升用户体验和操作效率。

TecoGAN是一个用于视频超分辨率的生成对抗网络（GAN），专注于生成具有时序一致性的高分辨率视频。该项目由慕尼黑工业大学的研究团队开发，旨在通过自监督学习提升视频生成中的时间连贯性。项目提供了推理、训练和下载训练数据的代码，并包含预训练模型。TecoGAN的生成能力在细节持久性和时空一致性方面表现出色，能够生成长时间保持细节的视频序列。

DeepSeek分享沉淀多年的高性能深度学习架构，致力于经济高效的软硬件协同设计。

Kura 是一款基于语言模型的用户行为分析工具，旨在帮助用户深入理解用户行为，同时确保不泄露个人隐私。它通过递归聚类和自定义元数据提取等功能，满足个性化需求，并且是开源的，可以自由应用于各类数据。

一个旨在让每个人都能访问基于聊天的大型语言模型的项目，可以看作是ChatGPT的替代品。

Verdict旨在通过扩展推理时计算，解决传统大型语言模型（LLM）评估中的不稳定性和可靠性问题。其核心价值在于提供更高效、更可靠的评估方法，帮助研究人员和开发者更好地理解和优化AI模型的性能。

一个开源的漫画自动翻译神器，利用 GPT-4 Vison 实现一键自动识别并翻译，支持多种格式和语言之间的互译。

jepa-intuitive-physics是一个通过自然视频的自监督预训练，让机器学会直观物理理解的项目。它利用自监督学习方法，无需标注数据即可训练，提供了完整的代码和数据，支持多种模型评估，为研究直观物理理解提供了强大的工具。