AI开源项目

开源高性能OCR扫描识别工具 高效地将PDF文件和其他文档转换为结构化的纯文本。

多语种手语生成模型 SignLLM 是全球首个多语种手语视频生成模型，能够将文本或语音指令实时转化为手语视频，为听障人士提供沟通新方式。

低成本移动操作机器人 低成本移动操作机器人，旨在为机器人爱好者和研究人员提供一个易于组装和使用的平台。

Blackwell 架构 NVIDIA 推出的最新一代高性能计算架构，专为加速人工智能和高性能计算而设计。

音频驱动的双向对话交互式头部生成框架 INFP是一个音频驱动的交互式头部生成框架，能够在双向对话中动态合成具有逼真面部表情和节奏性头部姿态动作的代理视频。

开源本地AI助手平台 OpenClaw：开源本地AI助手平台——一款可在个人设备上运行、并集成到常用聊天应用中的开源智能代理平台。

可控人像动画技术 DisPose 是一种可控制的人体图像动画方法，它通过运动场引导和关键点对应来提高视频生成的质量。

基于扩散模型的情感化动态头像生成工具 基于扩散模型的情感化动态头像生成方法，能够为说话的肖像生成生动且多样化的情感表达。

MuseV MuseV是一个基于扩散模型的虚拟人视频生成框架，它能够以无限长度和高保真度生成满足视觉条件的视频。

商汤空间智能大模型 商汤开源的2B/8B多模态模型，在空间理解基准上超越GPT-5，为自动驾驶、机器人提供“看懂世界”的通用引擎。

自主搜索AI智能体 WebAgent是由阿里云通义实验室开源的自主搜索AI智能体项目，旨在模拟人类在网络环境中的感知、决策和行动循环，通过自主搜索和多步推理处理复杂、模糊的网络任务。

Youtu-agent是由腾讯优图实验室推出的开源智能体框架，旨在帮助用户构建、运行和评估自主智能体。

个性化图像生成新体验 一款创新的图像生成工具，能够根据用户的文字描述生成高质量的个性化图像，并且在更换场景和内容时精准保留用户的身份特征。

Hunyuan-MT-7B Hunyuan-MT-7B 是腾讯开源的一款轻量级翻译模型，支持 33 种语言互译，在国际机器翻译比赛中拿下 30 个第一名。

Meta AI 推出的脑机接口模型 Meta AI 推出的一款非侵入性脑机接口（BCI）模型，能够通过脑电图（EEG）或脑磁图（MEG）信号解码打字内容。