
awesome-generative-ai
一榜在手,尽览生成式AI前沿项目与工具
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 12818
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 本地已安装 Git(用于克隆仓库)
- 可正常访问 GitHub 及列表中收录项目的外链
- 可阅读 Markdown 的工具(编辑器、浏览器或终端)
- 可选:拥有 GitHub 账号,便于提交 Pull Request 或 Issue
安装与启动步骤
-
1克隆仓库到本地
把 awesome 列表仓库完整下载到本地,README 与 DISCOVERIES 等文件都在仓库里,README 未给出其他安装方式。
git clone https://github.com/steven2358/awesome-generative-ai.git cd awesome-generative-ai -
2查看仓库文件
确认 README.md、DISCOVERIES.md、CONTRIBUTING.md 等文件已下载,本仓库只提供文档,没有可编译代码。
ls -
3阅读主列表
README 按 Contents 列出 Recommended reading、Text、Coding、Agents、Image、Video、Audio、Other、Learning resources 等分类。
cat README.md -
4按分类定位资源
用检索命令快速跳到感兴趣的章节标题,例如 Local LLM Deployment 下的 Ollama、Open WebUI 等条目。
grep -n "^##" README.md -
5查看发现列表
README 指向 Discoveries List,用于浏览更多新兴生成式 AI 项目,可单独打开查看。
cat DISCOVERIES.md -
6参与贡献
提交条目或链接前先阅读贡献指南,README 要求通过 Pull Request 或新建 Issue 方式进行。
cat CONTRIBUTING.md
如何确认成功
执行 ls 能看到 README.md、DISCOVERIES.md、CONTRIBUTING.md,打开 README.md 可看到 Contents 分类目录即成功。
常见问题
Q:这个仓库需要安装运行吗?
A:不需要。它是精选资源列表,本身是文档仓库,克隆后用编辑器或浏览器阅读即可,无需编译或启动服务。
Q:里面列出的工具怎么安装?
A:README 只给出各项目的名称、简介和链接,具体安装与使用方式需点击对应链接到该项目自己的仓库或官网查看。
Q:怎么把自己的项目加进列表?
A:按 README 提示,先阅读 CONTRIBUTING.md 确认条目符合收录标准,再通过 Pull Request 提交链接,或新建 Issue 讨论。
Q:DISCOVERIES.md 是什么?
A:README 说明它用于展示更多新兴的生成式 AI 项目,作为主列表之外的补充发现清单。
注意事项
- README 未提供本项目自身的安装命令,steps 中的操作均为阅读仓库内容的通用准备动作
- 列表中收录的 Ollama、Open WebUI、Jan、LM Studio 等工具需到各自项目页面查看安装方式
- 提交贡献前务必先阅读 CONTRIBUTING.md,避免条目不符合收录标准
- 仓库内容会持续更新,建议定期 git pull 获取最新列表
核心亮点
- 收录全面,覆盖文本、图像、音频、视频、代码等生成式AI全领域
- 分类清晰,按应用场景和技术类型组织,便于快速定位
- 持续更新,紧跟生成式AI热点,收录最新项目和服务
不足之处
- 列表形式,缺乏深度评测和对比,需自行验证项目质量
- 文档/社区待观察,部分项目链接可能随时间失效
适用场景
- 快速调研生成式AI领域,寻找可用的开源模型或API
- 跟踪行业趋势,了解最新生成式AI工具和应用
- 为具体项目选型,对比同类生成式AI解决方案
替代项目
awesome-ai、awesome-machine-learning、llm-apps
同类项目推荐
MeanFlow
开源
一步出图的生成模型 PyTorch 实现
PyTorch implementation of MeanFlow & iMF (one-step generative modeling).
ProCyon
开源
融合多模态数据,精准预测蛋白质功能表型
ProCyon: A multimodal foundation model for protein phenotypes
awesome-LLM-resources
开源
一份清单,搞定LLM学习与实战资源导航
全世界最好的LLM资料总结(多模态生成、Agent、辅助编程、AI审稿、数据处理、模型训练、···
Awesome-Chinese-LLM
开源
一站式找到适合私有化部署的中文大模型资源
整理开源的中文大语言模型,以规模较小、可私有化部署、训练成本较低的模型为主,包括底座···
Awesome-AVI
开源
一站式导航音频-视觉智能前沿资源,快速上手跨模态研究
Awesome Audio-Visual Intelligence, Survey of Audio-Visual Intelligence
VLM3
开源
让视觉语言模型直接看懂3D世界,无需额外编码器
[NeurIPS 2026] Official implementation of paper "VLM³: Vision Language Models Are N···
unilm
开源
一个模型搞定理解和生成,预训练即插即用
Large-scale Self-supervised Pre-training Across Tasks, Languages, and Modalities
awesome-llm-role-playing-with-pe···
开源
一站式收藏LLM角色扮演资源,快速上手人设对话开发
Awesome-llm-role-playing-with-persona: a curated list of resources for large languag···
Chinese-LLaMA-Alpaca
开源
让 LLaMA 说好中文,消费级硬件也能训练部署
中文LLaMA&Alpaca大语言模型+本地CPU/GPU训练部署 (Chinese LLaMA & Alpaca LLMs)