开源项目

大多数视频模型是哑巴，大多数音频模型是瞎子。LTX-2的开源旨在解决这一根本问题。 作为由Lightricks团队开发的首个开源多模态基础模型，LTX-2能够联合生成音频和视频。它并非简单地将独立的视频与音频模型拼接，而是通过学习声音与视觉的联合分布，一次性生成包含语音、环境音、动作和时序的同步内容。 从技术架构看，LTX-2采用了非对称双流扩散变换器：一个…

不知从什么时候开始，AI 已经成为了许多学生手中的“做题外挂”。 遇到不会的题目，直接丢给 ChatGPT 或 DeepSeek，答案瞬间可得。 但这真的有助于学习吗？许多家长已经开始担忧：孩子依赖 AI 后，不再主动思考，只是机械地抄录答案。 我们需要的不是一个只会输出答案的机器，而是一个懂得引导、能够拆解知识的“AI 学习助手”。 近日，GitHub 上…

将视频瞬间转化为手绘故事 ClipSketch AI 是一个创意工具，能够将视频链接（如来自B站或小红书）转换为一个带有打点功能的播放器。当用户看到感兴趣的帧时，只需按下快捷键即可截图，省去了使用独立截图工具的麻烦。 该项目的核心在于其AI图像生成能力。它集成了Google Gemini大模型，能够将截取到的视频帧瞬间转换为手绘风格的分镜草图，甚至可以根据画…

TuriX-CUA（Computer Use Agent）是一个基于 Python 的开源 AI 智能体项目，旨在让 AI 接管你的电脑，通过观察屏幕、操作鼠标和键盘来自动化执行任务。 该项目近期进行了重大更新，引入了多模型架构，在标准测试集上的通过率超过了 80%。 项目地址：https://github.com/TurixAI/TuriX-CUA 项目简…

01 大模型 APP 合集 这个开源项目汇集了大量现成的开源大模型应用 Demo 和脚手架，已在 GitHub 上获得超过 8 万 Star。 无论您希望构建一个能够解读 PDF 的机器人，还是创建一个能够自动联网查询资料、撰写报告的复杂 Agent 团队，这里几乎都能找到可直接参考的代码。 其优点在于，它不仅支持 OpenAI 的模型，还为 Anthrop…

如果你大部分时间都在终端里工作，你一定知道一个得力的命令行工具能节省大量时间。如今，新一代的 CLI 工具正在改变游戏规则——它们将 AI、自动化与简洁性融为一体，让开发工作重新变得高效而有趣。 这里推荐六款我正在使用且非常喜欢的开源 CLI 工具。它们不花哨，但都是能解决实际问题的利器。 1. Qodo Command Qodo Command 就像是终端…

如果你大部分时间都在终端里工作，你一定知道一个得心应手的命令能省下数小时的工夫。如今，新一代的 CLI 工具正在改变游戏规则——它们将 AI、自动化与简洁性融为一体，让开发工作重新变得高效而有趣。 这里推荐六款我正在使用且非常喜欢的开源 CLI 工具。它们不花哨，但都是能解决实际问题的利器。 1. Qodo Command Qodo Command 就像是终…

AutoGPT AutoGPT 是 AI Agent 领域的开创性项目，在 GitHub 上已获得超过 18 万星标。 与传统的聊天机器人不同，AutoGPT 能够自主地将一个宏观目标拆解为一系列子任务，并通过调用互联网搜索、读写本地文件等工具来逐步实现目标。 AutoGPT 具备强大的工具调用与环境交互能力。它能够访问互联网以获取最新信息、管理本地文件、执…

用过 vLLM 的人都知道，它功能强大，但上手门槛不低。命令行参数繁多，容器配置复杂，生产部署更是令人头疼。 今天介绍的开源项目 vLLM Playground 正是为了解决这些问题而生。它提供了一个可视化的 vLLM 管理界面，让大模型的部署和使用变得简单直观。 真正的零配置 最便捷之处在于你无需手动安装 vLLM。只需打开 Web 界面，点击“Start…

AutoMV团队 投稿 量子位 | 公众号 QbitAI 现有的AI视频生成模型虽然在短片上效果惊人，但面对一首完整的歌曲时往往束手无策——画面不连贯、人物换脸、甚至完全不理会歌词含义。 近日，来自M-A-P、北京邮电大学、南京大学NJU-LINK实验室等机构的研究者们提出了AutoMV。 这是一个无需训练的多智能体（Multi-Agent）系统，它像一个专…