LLMChat

LLMChat是一个全栈Web界面的实现，支持多种大型语言模型，如ChatGPT或LLaMA，旨在提供用户友好的互动体验。它允许用户进行实时对话，并具备可定制的模型参数，方便多种部署选项。

API for Open LLMs 是一个为开源大语言模型提供统一后端接口的项目，支持多种开源大模型的调用，旨在简化与大语言模型的交互体验。通过提供类似于 OpenAI 的 API 使用方式，开发者能够更方便地集成和利用大语言模型的能力。

一个开源扩展，允许用户在本地环境中使用容器与大型语言模型(LLM)进行交互，支持AI模型下载、推理服务器启动、本地实验场以及AI应用开发

这是一个用于演示基于Swift的聊天和语言模型测试的Mac应用，旨在展示Hugging Face的swift-transformers库的能力。它提供了一个友好的用户界面，用户可以轻松与多种语言模型进行互动，测试其响应和性能。

一个可以与本地大语言模型聊天的网页应用，让你在本地运行AI模型，保护隐私的同时享受智能对话体验

nat.dev是一个开源的LLM（语言模型）测试平台，提供用户友好的界面，方便用户实验不同的LLM模型并分析其性能。用户可以创建账户，选择不同的模型进行测试，输入文本提示，生成响应，并评估生成的输出。该平台还允许用户自定义模型参数，适合高级用户进行微调。

用Rust语言开发的语言模型管控框架，其设计目标是提供一个简单易用且易扩展的管控框架，帮助开发者创建语言模型管控应用。

Open WebUI 是一个专为语言模型（LLMs）设计的可扩展且功能丰富的Web用户界面，支持多种LLM运行器，包括Ollama、OpenAI兼容API、Gemini、Groq、Claude等。它提供直观的用户界面和响应式设计，支持多模型切换、多模态互动、本地RAG集成、Markdown和LaTeX支持等功能，适用于家庭NAS、软路由环境、企业知识库问答系统搭建等多种场景。

《人体运动扩散模型》的论文代码，旨在高效生成和编辑人体运动，支持多种运动风格和动作捕捉数据。

该程序由GPT-4驱动，可以自主实现设定的任何目标，具备多轮对话能力并支持多种应用场景，能够根据用户需求定制任务，极大提升工作效率。

基于微博开源的Rill Flow项目，旨在搭建大模型应用的技术平台，支持多种大模型的集成与管理，提供用户友好的界面用于模型训练和推理，兼容多种数据源与格式，支持分布式计算以提高模型训练效率，并具有丰富的监控与日志功能。

实时创建、自定义和与您的 AI 角色/同伴交谈（全部在一个代码库中！使用LLM OpenAI GPT3.5 / 4，Anthropic Claude2，Chroma Vector DB，Whisper Speech2Text，ElevenLabs Text2Speech）

TheB.AI提供多种前沿模型，包括语言模型和图像模型，通过易于使用的界面和统一的API接口访问，支持个性化定制，提升AI体验。

VideoTuna是一个集成了多种视频生成模型的代码库，支持从文本到视频、图像到视频的生成，并提供了预训练、连续训练、对齐和微调等完整的视频生成流程。它支持多种视频生成模型，如CogVideoX、Open-Sora、VideoCrafter等，能够处理不同分辨率的生成任务。此外，VideoTuna还提供了丰富的后处理功能，如视频到视频的后处理和增强模块，并计划推出3D视频VAE和可控面部视频生成模型，进一步扩展应用场景。

LLMTuner是一个高效的工具，旨在通过简化的微调流程，使用户能够在几行代码内调整大语言模型（LLM）。它支持多种预训练模型的加载和微调，提供灵活的超参数调整功能，同时拥有友好的用户界面，便于用户快速上手。该项目的可扩展性强，适用于不同的应用场景。

LLaMA-Factory 是一个易于使用的 WebUI 框架，旨在高效微调 100 多种大语言模型（LLM）。它支持多种模型和训练方法，包括 LLaMA、Mistral、Qwen 等，并集成了多种微调方法如 LoRA、QLoRA、PPO、DPO 等。LLaMA-Factory 提供了高级算法如 GaLore、BAdam、DoRA、LongLoRA 等，以及实用技巧如 flashattention、RoPE 缩放等，以优化微调效果。此外，它还支持实验管理工具如 LlamaBoard、TensorBoard、Wandb，以及高效的推理接口如 Gradio UI 和 OpenAI 风格的 API。

LLM-Tuning 是一个专注于简化大语言模型（LLM）微调过程的工具，支持多种模型与数据集，旨在帮助用户轻松实现模型训练与评估。

AI Docs是一个平台，允许用户塑造和训练多个语言学习模型（LLM），以自动化各种任务。这些模型可以导出为API、Telegram机器人或WhatsApp机器人。用户可以使用提供的工具和资源创建和训练自己的LLM，指定所需功能并相应地训练模型。一旦训练完成，LLM可以被导出并集成到不同的应用程序或平台中。