Independent Column

值得研究的开源项目

关注真实可运行、文档清晰、值得二次开发的实用项目。

其他notebooklm-pyPW
notebooklm,google,python,api,agent

notebooklm-py

Google NotebookLM的非官方Python SDK,支持CLI和AI Agent集成,可编程访问NotebookLM全部功能。

6074
查看仓库
其他Hermes AgentPW
agent,nous-research,python,llm

Hermes Agent

NousResearch 出品的智能Agent框架,能随使用不断成长进化,支持工具调用和多轮对话。

6072
查看仓库
其他Qwen-AgentPW
Agent框架,Qwen,MCP,Function Calling

Qwen-Agent

基于 Qwen 3.0+ 的 Agent 开发框架,支持 Function Calling、MCP、Code Interpreter、RAG、Chrome 扩展等,已作为通义千问 Qwen Chat 的后端。

6072
查看仓库
其他阿里高德地图也搞了一款世界模型:FantasyWorld,目前在WorldScore世界模型排行榜几个关键指标上排名第一PW
世界模型,模型

阿里高德地图也搞了一款世界模型:FantasyWorld,目前在WorldScore世界模型排行榜几个关键指标上排名第一

阿里高德地图推出的世界模型FantasyWorld在WorldScore排行榜上排名第一,旨在通过统一视频生成和3D预测解决现有视频模型在3D理解上的不足,提升空间一致性和3D推理能力。该模型支持AR/VR内容生成和机器人导航,适用于导航、快速装修和电商展示等多种3D任务场景

6075
查看仓库
效率工具英伟达最新开源的一款ASR:Nemotron Speech ASR,专攻低延迟实时语音智能体场景,多人同时对话不爆延迟PW
ASR,开源

英伟达最新开源的一款ASR:Nemotron Speech ASR,专攻低延迟实时语音智能体场景,多人同时对话不爆延迟

英伟达推出的Nemotron Speech ASR专注于低延迟实时语音处理,支持多人对话,单句转录时间仅需24毫秒,整体延迟低于500毫秒。通过FastConformer架构和缓存感知机制,语音特征实现增量计算,动态配置延迟模式以满足不同应用需求

6077
查看仓库
AI 与 Agentnotebooklm-pyPW
开源项目

notebooklm-py

Google NotebookLM 非官方 Python API,可以程序化地创建笔记本、上传源文件并生成音频播客摘要。

6079
查看仓库
AI 与 AgentWorldMonitorPW
开源项目

WorldMonitor

实时全球情报仪表盘——AI驱动的新闻聚合、地缘政治监控和基础设施追踪,统一态势感知界面。本周GitHub趋势第一梯队,33k+ stars。

6076
查看仓库
效率工具腾讯开源了其3D世界生成模型:HunyuanWorld 1.0,能生成沉浸式、可探索、可交互的3D世界PW
3D世界生成,开源,模型

腾讯开源了其3D世界生成模型:HunyuanWorld 1.0,能生成沉浸式、可探索、可交互的3D世界

从效果看,生成的画面质量较高,细节表现上比较丰富,有一定的物理仿真能力。同时支持文生、图生,风格多样化,生成场景可360°沉浸式漫游。支持网格导出,可与现有计算机图形管线无缝兼容

6072
查看仓库
效率工具一款从单张图像重建人体3D骨骼和网格模型的系统:HSMR,可以把一张普通人物照片转换成具有生物力学准确骨骼结构的3D人体模型PW
3D人体模型生成,模型

一款从单张图像重建人体3D骨骼和网格模型的系统:HSMR,可以把一张普通人物照片转换成具有生物力学准确骨骼结构的3D人体模型

HSMR系统能够从单张图像重建生物力学准确的3D人体骨骼和网格模型,适用于复杂姿势和不佳拍摄角度,并提供了创建伪真实数据集的方法以训练其他模型。

6075
查看仓库
效率工具一个3D人体模型生成项目:StructLDM,它可以生成完整的3D人体,还支持部分编辑修改,比如更换服装、改变姿势等PW
3D人体生成,模型

一个3D人体模型生成项目:StructLDM,它可以生成完整的3D人体,还支持部分编辑修改,比如更换服装、改变姿势等

StructLDM是一个开源项目,能够生成完整的3D人体模型,支持不同姿势和视角的生成,以及服装和体型的编辑修改,允许局部试穿和身份交换等功能。

6077
查看仓库
效率工具Browser UsePW
浏览器自动化,Agent,网页操作,AI

Browser Use

让AI Agent像人一样浏览网页,执行点击、输入和导航操作

6072
查看仓库
效率工具LobeHub TTSPW
TTS,语音合成,多引擎,开源

LobeHub TTS

开源的高质量TTS工具包,支持多种TTS引擎和语音

6078
查看仓库
其他E2BPW
沙箱,安全执行,云基础设施,Agent

E2B

为AI Agent提供安全沙箱环境的云基础设施,安全执行AI生成的代码

6076
查看仓库
AI 与 AgentDevikaPW
AI工程师,Devin替代,代码生成,自主

Devika

开源的AI软件工程师,类似Devin,可以理解需求并独立编写代码

6072
查看仓库
其他DB-GPTPW
数据应用,数据库,Agent,多模型

DB-GPT

AI原生数据应用开发框架,支持AWEL和Agent的多模型数据驱动应用

6075
查看仓库
AI 与 AgentAutoGenPW
微软,多Agent,对话,协作

AutoGen

微软开源的多Agent对话框架,支持Agent之间自动对话协作解决问题

6073
查看仓库
其他CogVideoPW
智谱,文生视频,多分辨率,开源

CogVideo

智谱开源的文生视频模型CogVideoX,支持多种分辨率和时长

6077
查看仓库
效率工具Crawl4AIPW
爬虫,异步,结构化数据,AI

Crawl4AI

为AI和LLM优化的异步网页爬虫,自动提取结构化数据

6075
查看仓库
其他Semantic KernelPW
微软,SDK,编排,插件

Semantic Kernel

微软开源的AI编排SDK,将LLM与传统编程语言集成,支持插件和计划

6078
查看仓库
效率工具Stirling PDFPW
PDF工具,自托管,编辑转换,开源

Stirling PDF

功能强大的自托管PDF工具,支持AI辅助的PDF编辑和转换

6071
查看仓库
其他HaystackPW
NLP,RAG,搜索,问答系统

Haystack

端到端的NLP/LLM应用构建框架,支持RAG、问答、语义搜索等

6076
查看仓库
效率工具ContinuePW
IDE插件,代码助手,VSCode,开源

Continue

开源AI代码助手IDE插件,支持VS Code和JetBrains,可连接任何LLM

6076
查看仓库
其他notebooklm-pyPW
AI,NotebookLM,API,Python

notebooklm-py

Google NotebookLM非官方Python API,支持编程访问NotebookLM全部功能(包括Web UI未暴露的能力),可与Claude Code、Codex等AI Agent集成。

5974
查看仓库
其他MiroFishPW
AI,群体智能,预测,Python

MiroFish

简洁通用的群体智能引擎,可预测万物。基于群体智能算法,支持多领域预测分析,星标16k+。

5970
查看仓库