“AI编程工具”网站目录

• 

  HivisionIDPhoto

  HivisionIDPhoto 旨在开发一种实用、系统性的证件照智能制作算法。 它利用一套完善的AI模型工作流程，实现对多种用户拍照场景的识别、抠图与证件照生成。 HivisionIDPhoto 可以做到： 轻量级抠图（纯离线，仅需 CPU 即可快速推理） 根据不同尺寸规格生成不同的标准证件照、六寸排版照 支持 纯离线 或 端云 推理 美颜 智能换正装（waiting） github：https://github.com/Zeyi-Lin/HivisionIDPhotos

  github.com/Zeyi-Lin/HivisionIDPhotos - 收藏
• 

  MiniCPM3-4B

  IT之家 9 月 6 日消息，面壁智能官方公众号昨日（9 月 5 日）发布博文，宣布推出开源 MiniCPM3-4B AI 模型，声称“端侧 ChatGPT 时刻到来”。 IT之家附上 MiniCPM 3.0 开源地址： MiniCPM3-4B 是 MiniCPM 系列的第三代产品，整体性能超过了 Phi-3.5-mini-Instruct 和 GPT-3.5-Turbo-0125，媲美多款 70 亿~90 亿参数的 AI 模型。 MiniCPM3-4B 目前已经上线 GitHub 与 huggingface 平台： https://github.com/OpenBMB/MiniCPM https://huggingface.co/openbmb/MiniCPM3-4B

  github.com/OpenBMB/MiniCPM - 收藏
• 

  LabelU 开源标注工具

  1.产品介绍 一款轻量级开源标注工具，自由组合多样工具，无缝兼容多格式数据，同时支持载入预标注，加速数据标注效率 2.特色功能 LabelU 提供了多种标注工具和功能，支持图像、视频、音频标注。 · 图像类：多功能图像处理工具，涵盖 2D 框、语义分割、多段线、关键点等多种标注工具，协助完成图像的标识、注释和分析。 · 视频类：具备强大视频处理能力，可实现视频分割、视频分类、视频信息提取等功能，为模型训练提供优质标注数据。 · 音频类：高效精准的音频分析工具，可实现音频分割、音频分类、音频信息提取等功能，将复杂的声音信息直观可视化。 3.产品特性 · 简易，提供多种图像标注工具，通过简单可视化配置即可标注 · 灵活，多种工具可自由组合使用，满足大部分图像，视频，音频的标注需求 · 通用，支持导出多种数据格式，包括 JSON，COCO，MASK

  github.com/opendatalab/labelU - 收藏
• 

  ModelScope-Agent

  Modelscope-Agent 是一个可自定义且可扩展的代理框架。单个代理具有角色扮演、LLM 调用、工具使用、计划和记忆等功能。 它主要具有以下特点： 简单的代理实现过程：只需指定角色指令、LLM 名称和工具名称列表即可实现代理应用程序。该框架会自动安排工具使用、规划和内存的工作流。 丰富的模型和工具：框架配备了丰富的LLM接口，如Dashscope和Modelscope模型接口、OpenAI模型接口等，内置丰富的工具，如代码解释器、天气查询、文本转图、网页浏览等，让定制专属代理变得容易。 统一接口，高扩展性：框架具有清晰的工具和LLM注册机制，方便用户扩展更多样化的Agent应用。 低耦合：开发人员可以轻松使用内置工具、LLM、内存和其他组件，而无需绑定更高级别的代理。 ModelScope-Agent框架的设计具有以下特点： 可定制且功能全面的框架：提供可定制的引擎设计，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能，可用于快速实现实际场景中的应用。 开源LLMs作为核心组件：支持在ModelScope社区的多个开源LLMs上进行模型训练，并开放了大规模中英文工具指令微调数据集。 多样化且全面的API：以统一的方式实现AI模型API和常见功能API的无缝集成，并通过调用魔搭社区上开源的文本向量模型，打造API工具检索引擎，直接根据用户指令检索相关的工具，更便捷易用。 开源地址：https://github.com/modelscope/modelscope-agent 体验网址：https://modelscope.cn/studios/iic/ModelScopeGPT/summary

  modelscope.cn/studios/iic/ModelScopeGPT/summary - 收藏
• 

  FunClip自动化视频剪辑工具

  FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频（快速体验）。 在上述基本功能的基础上，FunClip有以下特色： FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large，是当前识别效果最优的开源中文ASR模型之一，Modelscope下载量1300w+次，并且能够一体化的准确预测时间戳。 FunClip集成了SeACo-Paraformer的热词定制化功能，在ASR过程中可以指定一些实体词、人名等作为热词，提升识别效果。 FunClip集成了CAM++说话人识别模型，用户可以将自动识别出的说话人ID作为裁剪目标，将某一说话人的段落裁剪出来。 通过Gradio交互实现上述功能，安装简单使用方便，并且可以在服务端搭建服务通过浏览器使用。 FunClip支持多段自由剪辑，并且会自动返回全视频SRT字幕、目标段落SRT字幕，使用简单方便。 欢迎体验使用，欢迎提出关于字幕生成或语音识别的需求与宝贵建议~ GitHub项目地址：https://github.com/alibaba-damo-academy/FunClip 在线体验地址：https://modelscope.cn/studios/iic/funasr_app_clipvideo/summary

  modelscope.cn/studios/iic/funasr_app_clipvideo/summary - 收藏
• 

  WhisperDesktop 本地音频转文字软件

  可实现本地电脑的音频转文字软件！完全免费开源！支持 Windows、macOS、Linux （目前界面只有英文的，但支持中文的转换） 特征 基于 DirectCompute 的供应商不可知的 GPGPU；该技术的另一个名称是“Direct3D 11 中的计算着色器” 纯 C++ 实现，除了基本的 OS 组件外没有运行时依赖性 比 OpenAI 的实现快得多。 混合 F16 / F32 精度：自 D3D 版本 10.0 起，Windows [color=var(–color-accent-fg)]需要缓冲区 的支持R16_FLOAT 内置性能分析器，可测量单个计算着色器的执行时间 内存使用率低 用于音频处理的媒体基础，支持大多数音频和视频格式（Ogg Vorbis 除外），以及大多数在 Windows 上运行的音频捕获设备（除了一些专业的，它们只实现 ASIO API [color=var(–color-accent-fg)]。 用于音频捕获的语音活动检测。 使用步骤： 下载 WhisperDesktop.zip、ggml-medium 语音模型（官方那里有好多规格如图一，作者推荐1.42G这个模型，下面百度云盘下载链接）解压WhisperDesktop.zip，打开WhisperDesktop.exe，首先选择要加载的语音模型

  github.com/chidiwilliams/buzz - 收藏
• 

  IOPaint

  IOPaint 是一款免费、开源且完全可自行托管的修复/修复工具，由最先进的 AI 模型提供支持。 您可以在 IOPaint 中使用各种模型来更改图像，包括修改，例如： 擦除：删除任何不需要的对象、缺陷、水印、人物。还有一个名为 OptiClean 的 macOS 本机应用程序 提供此功能。 修复：修改图像的特定部分、添加新对象或替换图片上的任何内容。 Outpainting：在图像周围生成新像素以使其更大。 使用网址：https://www.iopaint.com/ 开源网址：https://github.com/Sanster/IOPaint

  www.iopaint.com - 收藏
• 

  Lepton Search

  Lepton Search是由贾扬清创办的Lepton AI应用构建平台开源的一个对话式AI搜素引擎，该项目基于调用llm人工智能模型和Bing搜索的API密钥，仅用不到 500 行 Python 代码就构建了一个类似于Perplexity AI的对话搜索引擎。 Lepton Search特征 对 LLM 的内置支持 内置搜索引擎支持 可定制漂亮的UI界面 可共享的缓存搜索结果 设置搜索引擎 API 有两个默认支持的搜索引擎：Bing 和 Google。 必应搜索 要使用 Bing Web Search API，请访问此链接以获取您的 Bing 订阅密钥。 谷歌搜索 您可以使用三种 Google 搜索选项：您可以使用SearchApi 中的SearchApi Google 搜索 API 、 Serper 中的Serper Google 搜索 API ，或者选择Google 提供的可编程搜索引擎。 开源网址：https://github.com/leptonai/search_with_lepton

  search.lepton.run - 收藏
• 

  FastGPT

  FastGPT 是一个基于 LLM 构建的基于知识的平台，提供了一整套开箱即用的功能，例如数据处理、RAG 检索和可视化 AI 工作流编排，让您轻松开发和部署复杂的问答系统，而无需进行大量设置或配置。 FastGPT 官方文档：https://doc.fastgpt.in/docs/ 国际版：tryfastgpt.ai

  fastgpt.cn - 收藏
• 

  FunASR 基础语音识别工具包

  FunASR希望在语音识别的学术研究和工业应用之间架起一座桥梁。 通过发布工业级语音识别模型的训练和微调，研究人员和开发人员可以更方便地进行语音识别模型的研究和生产，并推动语音识别生态的发展。 让语音识别更有趣！ 目前可以用cpu来部署，实测准确率还可以

  www.funasr.com - 收藏