generative-ai 第 10 页
本站收录 568 个带「generative-ai」标签的 AI 开源项目（按 GitHub 星标从高到低，第 10 / 12 页）
latent-diffusion-segmentation这是一个基于潜在扩散模型（Latent Diffusion）的开放世界全景分割与掩码修复工具，来自ECCV 2024论文。它解决传统全景分割依赖封闭类别集合、难★ 109
Sora-FullStackSora-FullStack（SoraFlows）是一个基于 OpenAI Sora 模型的开源全栈 Web 应用，旨在让用户通过文本或图片轻松生成、编辑和分享★ 109
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108
ai-microcoreai-microcore 是一个轻量级的 Python 库，旨在简化与大型语言模型（LLM）的交互，并帮助开发者快速构建 AI 应用。它解决了直接调用 LLM ★ 108
gpt-rag-orchestratorgpt-rag-orchestrator 是微软 GPT-RAG 方案中的编排服务，基于 Microsoft Foundry Agent Service 与 M★ 105
free-llm-api-hubfree-llm-api-hub 是一个持续校验的免费及试用额度 LLM API 数据集，面向需要低成本调用大模型的开发者。它解决的核心问题是：网上免费 API★ 105
awesome-language-model-analysis这是一个聚焦大语言模型（LLM）理论与实证分析的论文清单项目。它系统整理了关于语言模型学习行为、泛化能力及其他属性的研究论文，涵盖理论分析、实证分析或两者结合的★ 103
DeepstoryDeepstory 是一个将文本或生成文本转化为视频的开源工具，核心功能是让角色以指定声音朗读故事并配合动画口型。它结合了 GPT-2 文本生成、DC-TTS ★ 103
partcraftPartCraft是一个基于扩散模型的细粒度图像生成项目，来自ECCV 2024。它解决的是传统文本生成图像模型难以精确控制物体局部部件的问题，允许用户通过指定★ 102
ai-optimizerai-optimizer 是一个面向 GenAI 和 RAG 场景的实验与优化工具包，基于 Oracle 数据库的 AI Vector Search 和 NL2★ 102
a2a-adaptera2a-adapter 是一个用 Python 编写的开源 A2A 协议适配器 SDK，目标是在不同智能体框架与运行环境之间搭起统一通信层。A2A（Agent-★ 102
cliElevenLabs 官方命令行工具，用 Rust 编写，让开发者在终端直接与 ElevenLabs 语音智能体交互。它解决的是语音 AI 能力接入门槛高的问题★ 101
Speech2VideoSpeech2Video 是一个基于 ACCV 2020 论文的开源项目，旨在从单一音频输入生成具有3D骨架正则化和丰富身体姿态的说话人视频。它解决的核心问题是★ 100
awesome-llm-token-optimization这是一个精选资源列表，汇集了降低大语言模型（LLM）Token 成本、提升生产环境效率的策略、工具、论文和资源。它解决的核心问题是 LLM 使用中 Token ★ 99
EngAceEngAce 是一个面向越南英语学习者的生成式 AI 对话助手，旨在通过个性化交互提升学习效果。它利用 ChatGPT、Gemini 等大语言模型，结合 ASP★ 98
ntg-agentntg-agent 是一个基于 C# 和微软 Agent Framework 构建的聊天机器人示例项目，旨在演示如何利用 Semantic Kernel、Ker★ 98
flux-3-video-api这是一个针对 Black Forest Labs 的 FLUX 3 视频生成 API 的 Python 封装库，旨在简化开发者调用文本转视频和图像转视频的流程，★ 98
metaai-apimetaai-api 是一个基于 FastAPI 的逆向工程封装项目，旨在为 Meta AI（原 Llama 系列）提供非官方的 API 接口。它通过 Cook★ 97
sample-genai-on-eks-starter-kit这是一个在 Amazon EKS 上快速部署生产级生成式 AI 基础设施的工具包。它解决了企业在 AWS 上搭建 GenAI 平台时面临的组件集成复杂、配置繁琐★ 96
image-studioimage-studio 是一个基于 TypeScript 的 AI 视觉创作套件，将图解、绘画、编辑和视频生成能力整合到一个统一界面中。它解决的是创作者需要在★ 96
stable-diffusion-ps-peastable-diffusion-ps-pea 是一个将 Stable Diffusion 集成到 Photopea（免费在线版 Photoshop）中的插件。★ 96
seedance-2-generator这是一个基于 Next.js 的开源 SaaS 模板，用于快速搭建视频生成应用，集成了字节跳动的 Seedance 2.0、2.5 和 2 Mini 视频生成模★ 96
SciLinkSciLink 是一个面向科学研究自动化的开源项目，利用大语言模型驱动的智能代理来辅助科研工作流。它解决的是科研人员在文献调研、实验设计、数据分析和论文撰写等环★ 96
pixelgpt-24x24PixelGPT-24x24 是一个极简的本地文本生成像素画模型，专注于将文字描述直接转换为 24x24 分辨率的像素艺术图像。它解决了传统文生图模型体积大、依★ 95
BlueTTSBlueTTS 是一个主打速度的开源文本转语音（TTS）模型，旨在提供极速的语音合成体验。它解决了传统 TTS 模型推理速度慢、部署成本高的问题，通过优化的模型★ 95
maskbitMaskBit 是论文《MaskBit: Embedding-free Image Generation from Bit Tokens》的官方实现，专注于图像★ 94
apertureaperture 是一个用于可视化 Stable Diffusion 注意力层的开源工具，基于 TypeScript 构建。它解决了生成式 AI 模型内部机制不★ 93
image-rankerimage-ranker 是一个在浏览器中通过两两对比来给图像排序的开源工具，基于 TrueSkill 算法。它主要解决图像数据集构建和排序中的主观评估问题，让★ 93
genai-fullstack-blueprint这是一个面向多模态生成式AI应用的全栈参考架构，采用TypeScript monorepo组织，包含Angular前端客户端和Node.js/Express A★ 93
VidForgeVidForge 是一个面向短视频电商场景的开源 AI 视频生成流水线，用 TypeScript 编写。它想解决的核心问题是：电商商家需要批量产出带货短视频，但★ 93
ai-mixed-cutai-mixed-cut 是一个基于 AI 的视频再创作引擎，核心思路是“解构-重构”爆款视频模式。它通过 LLM 分析和理解现有视频的内容结构，自动拆解出关键★ 92
TakoVMTakoVM 是一个为 AI 智能体设计的沙箱文件系统，让智能体能够安全地执行代码。它解决了当前 AI 智能体在执行代码时面临的安全隔离问题，防止恶意或错误代码★ 90
ProGPTProGPT 是一个通过逆向工程实现的 Python 客户端，用于与 ChatGPT 网页版进行对话交互。它解决了官方 API 需要付费、有速率限制且申请门槛高★ 90
openmelonopenmelon 是一个面向多模态内容生产的智能体运行时，旨在让 AI 内容创作流程可复现、可管理。它解决了当前 AI 生成内容过程中流程混乱、难以复现和缺乏★ 89
dreambooth-kerasdreambooth-keras 是一个基于 KerasCV 和 TensorFlow 的 DreamBooth 实现，旨在让开发者无需依赖 PyTorch 生★ 88
VeritensorVeritensor 是一个针对 AI 供应链的安全静态分析工具，定位为“AI 制品杀毒软件”和“RAG 防火墙”。它主要解决 AI 开发中模型、数据集、笔记本★ 88
awesome-ai-image-models这是一个AI图像生成模型的对比清单，旨在提供最完整、最新的模型比较，涵盖模型、API接口和价格信息。它解决了开发者在选择图像生成模型时信息分散、难以横向对比的问★ 87
mere-runmere-run 是一个面向 Apple Silicon 设备的本地生成式 AI 工作流引擎，用 Swift 编写，基于 MLX 框架。它解决了在 Mac 上统★ 84
Awesome-3D-Generation这是一个精选的3D生成资源列表，汇集了AI驱动的3D内容创作相关的论文、工具和资源。项目旨在为研究人员、开发者和爱好者提供一个系统性的导航，帮助用户快速了解3D★ 82
parea-sdk-pyParea AI 是一个面向 LLM 应用的开发工具链，提供 Python SDK 来支持实验、测试、评估和监控。它解决的是 LLM 应用开发中缺乏系统化测试与★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
DJZ-NodesDJZ-Nodes 是一组为 ComfyUI 设计的自定义节点集合，旨在扩展 ComfyUI 在视频特效、批量处理、提示词工具、图像操作和自动化方面的能力。它解★ 81
awesome-ad-video-prompts这是一个精选的AI视频广告提示词合集，专为Seedance 2.0、Veo 3、Kling、Runway等主流视频生成模型设计，旨在帮助营销人员、创作者和广告从★ 81
tokovotokovo 是一个 AI 原生的多设备视频创作工作室，专注于生成发生在手机内部的视频内容，例如手机录屏、应用演示、社交界面动画等。它解决的是传统视频制作中难以★ 81
muapi-comfyuimuapi-comfyui 是 muapi.ai 官方推出的 ComfyUI 自定义节点插件，旨在将 100 多个主流 AI 模型无缝集成到 ComfyUI 工★ 80
Wan-3.0-APIWan-3.0-API 是一个针对阿里云通义万相（Wan）视频生成模型的 Python SDK 和 MCP 服务器封装。它解决了开发者直接调用 Wan 3.0 ★ 80
tadpole-studiotadpole-studio 是一个面向本地 AI 音乐生成模型的易用图形界面，旨在降低本地模型的使用门槛。它解决了用户直接通过命令行或代码调用模型时配置复杂、★ 80
genai_interview_questions这是一个以面试题形式整理生成式AI（GenAI）理论基础的仓库，旨在对抗行业中的浮躁炒作，回归基础原理。项目通过问答方式覆盖大语言模型、Transformer架★ 80
ai-toolsai-tools 是一个专注于学术文献综述的 AI 工具集合，旨在利用机器学习加速和优化科研人员筛选、分析及综合相关研究的过程。它整合了 ChatGPT、Cop★ 79
Gemini-ProGemini-Pro 是一个基于 Kotlin 开发的 Android WebView 应用，将 Google AI Studio 封装为原生应用，并额外增加了★ 79