generative-ai 第 7 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 7 / 12 页）
gcdGCD（Generative Camera Dolly）是ECCV 2024 Oral的官方实现，专注于极端单目动态新视角合成。它解决的是从单个移动摄像头拍摄的★ 294
LoomicLoomic 是一个开源的 AI 画布设计代理，定位为 Lovart、CapCut Video Studio 和 Canva AI 的替代品。它通过聊天驱动的方★ 287
MaterialPaletteMaterialPalette 是 CVPR 2024 的官方实现，旨在从单张真实世界图像中提取材质属性（包括反照率、法线和粗糙度），并生成可编辑的材质贴图。它★ 285
awesome-rag-production这是一个精选清单，汇集了构建可扩展、生产级检索增强生成（RAG）系统所需的工具、框架和最佳实践。它解决的是RAG从原型到落地过程中的工程化难题，如性能、可靠性和★ 283
Story2BoardStory2Board 是一个无需训练的漫画分镜生成工具，基于扩散模型实现。它解决的是从长文本故事自动生成连贯、富有表现力的分镜序列的问题。核心能力包括：通过文★ 281
SourceWeftSourceWeft 是一个开源的、可自托管的 AI 工作站，定位为 ChatGPT 与 NotebookLM 的替代方案。它把智能体、技能、MCP（模型上下文★ 279
openjourneyopenjourney 是一个开源的 MidJourney 网页界面克隆项目，基于 Google Gemini SDK 实现真实的 AI 图像与视频生成能力。它★ 269
OfflineLLMOfflineLLM 是一款面向 Android 的本地化 AI 对话应用，核心思路是把大模型完全跑在手机上，不依赖任何云端服务。它通过 llama.cpp 加★ 269
feedgenfeedgen 是一个基于生成式 AI 优化电商购物信息流的开源项目，使用 TypeScript 编写。它主要解决电商平台或商家在管理商品数据馈送（如 Goog★ 268
ai-media-generatorai-media-generator 是一个面向 Claude Code 的 Skill 工具包，旨在让非专业用户也能像资深导演一样生成高质量 AI 图像、视频★ 264
MVPaintMVPaint 是一个基于多视角扩散模型的 3D 纹理生成框架，由南洋理工大学等机构在 CVPR 2025 提出。它旨在解决从单张图像或文本生成高质量、多视角一★ 263
ragpiragpi 是一个开源的 AI 问答助手，旨在利用你自己的文档来回答问题。它解决了通用大模型缺乏私有知识、回答不准确的问题，通过检索增强生成（RAG）技术，将用★ 261
dify-google-cloud-terraform这是一个用于在 Google Cloud 上部署 Dify 的 Terraform 配置项目。它解决了 Dify 在生产环境中手动部署复杂、难以扩展和高可用性不★ 261
KADATHKADATH 是一个基于进化算法的多智能体运行时框架，旨在通过可复现的迭代周期来培育、评估并持续改进自主智能体，从而逐步逼近并优化预设目标。它解决了传统单一智能★ 258
ShipGenAIShipGenAI 是一个开源的生成式 AI SaaS 应用样板合集，包含 50 个可直接投入生产的应用模板。它解决的是开发者从零搭建 AI 产品时重复造轮子的★ 256
WorldLensWorldLens 是一个面向自动驾驶世界模型的全面评测框架，由 CVPR 2026 Oral 论文提出。它旨在解决当前驾驶世界模型评估标准单一、缺乏真实世界关★ 256
foundation-model-benchmarking-tool这是一个用于基础模型（大模型）基准测试的开源工具，旨在帮助用户在 AWS 云平台上运行任意模型，并对比不同实例类型和服务栈（serving stack）的性能表★ 256
everything-aieverything-ai 是一个本地运行的 AI 聊天助手项目，旨在提供全面且无需联网的智能对话体验。它解决了用户对隐私保护和离线可用性的需求，无需将数据发送★ 251
instruction-tuned-sdinstruction-tuned-sd 是一个用于对 Stable Diffusion 进行指令微调（instruction tuning）的开源项目。它解决★ 250
Echo-MemoryEcho-Memory 是一个用于视频世界模型研究的简单基线项目，核心思路是引入显式记忆机制来提升视频生成的时间连贯性与物理合理性。它解决的是当前视频生成模型在★ 250
awesome-seedance-2.5-prompts-skills这是一个围绕字节跳动 Seedance 2.5 视频生成模型的中文提示词资源库与智能体技能包。项目收录了 100 多条经过验证的提示词，每条都附带真实视频预览，★ 245
AI-Canvas-tauriAI-Canvas-tauri 是一个本地优先的 AI 可视化工作流画布，基于 Tauri 和 TypeScript 构建。它把图像/视频生成、AI 短剧制作、★ 245
hyufaHYUFA 是一个面向大学生和职场新人的 AI 金融助手，旨在帮助用户从基础金融知识学习到个性化投资组合建议。它通过对话式交互，提供预算管理、经济学常识、金融素★ 244
three.wsthree.ws 是一个开源的 3D AI 智能体框架，基于 Three.js 构建，支持加载 GLB/glTF 格式的 3D 角色模型，并为这些角色赋予大语言★ 242
vigenairvigenair是一个基于生成式AI的视频广告重制工具，旨在帮助营销人员和内容创作者快速将现有视频素材转化为高质量、多样化的广告变体。它利用Google Clo★ 241
Talking_Face_AvatarTalking_Face_Avatar 是一个基于深度伪造技术的角色与游戏资产头像生成项目。它主要解决开发者在游戏、虚拟角色或数字人场景中，快速生成具有动态表情★ 237
Skimmed_CFGSkimmed_CFG 是一个针对潜在扩散模型（如 Stable Diffusion）的 ComfyUI 自定义节点，旨在解决高 CFG（分类器自由引导）尺度下★ 234
GenAI4ADGenAI4AD 是一个系统梳理生成式人工智能（GenAI）在自动驾驶全栈中应用的开源项目。它并非一个可直接运行的模型，而是一份深度综述与知识图谱，覆盖从感知、★ 233
comfy-pilotcomfy-pilot 是一个为 ComfyUI 工作流设计的 MCP（模型上下文协议）服务器，它同时集成了嵌入式终端，让 Claude Code 等 AI 编★ 232
hubhub 是一个用 Rust 编写的高性能 LLM 网关，专为大规模 AI 应用设计。它解决了在多个 LLM 提供商（如 OpenAI、Anthropic 等）之★ 232
AttackVLMAttackVLM 是一个针对视觉语言模型（VLM）的红队攻击工具集，源自 NeurIPS 2023 论文。它提供了一系列对抗性攻击方法，用于评估和揭示 VLM★ 231
transformer_latent_diffusion这是一个基于Transformer核心的文本到图像潜在扩散模型实现，旨在探索用Transformer替代传统U-Net作为扩散模型主干网络的可能性。项目解决了S★ 230
rag-using-langchain-amazon-bedrock-and-opensearch这是一个基于 LangChain、Amazon Bedrock 和 Amazon OpenSearch 构建的检索增强生成（RAG）参考实现。它解决了企业如何快★ 230
Stable-Diffusion-Latent-Space-ExplorerStable-Diffusion-Latent-Space-Explorer 是一个基于 diffusers 库的 Stable Diffusion 实验工具箱★ 229
AutoGEOAutoGEO 是一个面向生成式搜索引擎（GEO）的优化框架，旨在帮助网站内容自动适应生成引擎（如 AI 搜索）的偏好，从而提升内容在 AI 搜索结果中的曝光和★ 229
Agentic-Workflow-PatternsAgentic-Workflow-Patterns 是一个展示 Python 中实现智能体工作流最佳实践与模式的仓库。它针对当前 AI 应用中智能体编排复杂、代★ 227
ComfyUI-fal-APIComfyUI-fal-API 是一个将 fal.ai 平台 1400+ 生成式 AI 模型接入 ComfyUI 的官方自定义节点插件。它解决了 ComfyUI★ 225
theDAWtheDAW 是一个用 TypeScript 构建的全功能数字音频工作站（DAW），同时集成 DJ 和 VJ 功能，目标是成为跨领域的创作枢纽。它解决的是音乐制★ 221
CineScaleCineScale 是一个无需微调即可生成 4K 分辨率视频的开源项目，基于扩散模型（diffusion models）实现。它主要解决现有视频生成模型在分辨率★ 218
pyhtpyht 是 PlayHT 官方推出的 Python SDK，用于快速接入其 AI 文本转语音（TTS）与声音克隆 API。它解决了开发者需要将高质量、自然语音★ 218
MooshieUIMooshieUI 是一个面向 ComfyUI 的桌面前端界面，专为初学者设计。它解决了 ComfyUI 原生节点式界面复杂难懂的问题，将底层工作流封装成直观的★ 217
BeatDesignBeatDesign 是一个本地优先的 AI 画布与时间线工具，定位为 Higgsfield 的开源替代方案。它把 AI 图像生成、视频生成和分镜编排整合到一块★ 217
AI-BlueprintsAI-Blueprints 是一个由惠普（HP）发起的开源项目，旨在提供一系列端到端可运行的 AI 蓝图示例。每个蓝图都基于 Jupyter Notebook ★ 216
mqlMQL 是一个将自然语言直接转换为 SQL 查询语句的开源工具，主要面向需要快速查询数据库但又不熟悉 SQL 语法的用户。它解决了传统数据库操作中编写复杂 SQ★ 213
world-in-worldworld-in-world 是一个基于闭环世界模型（Closed-Loop World Models）的视频生成开源项目，核心论文发表于 ICLR'26 并获★ 211
awesome-AI-toolkit这是一个精选的开源AI工具大全，收录了各类AI相关的工具、框架、数据集、课程和经典论文，旨在为AI从业者、学习者和研究者提供一站式资源导航。项目按类别整理，覆盖★ 209
ComfyUI-MiniMax-H3-Image-Studio这是一个为 ComfyUI 打造的图像生成插件节点包，专门对接 MiniMax H3 的静态图像生成能力，并整合了参考图编辑与 Qwen 细节精修流程。它解决的★ 208
awesome-ai-video-models这是一个关于AI视频生成模型的精选资源列表，旨在提供最完整、最新的模型对比信息。它系统性地整理了当前主流的AI视频生成模型，包括可灵、海螺、混元、Luma等，并★ 206
LiDARCrafterLiDARCrafter 是一个基于 LiDAR 序列的动态 4D 世界建模框架，由 AAAI 2026 Oral 论文提出。它解决的是从稀疏、无序的 LiDA★ 206
ai-learning-kitai-learning-kit 是一个精选的 AI 学习资料合集，旨在为开发者、学生和研究者提供系统化的 AI 学习路径。它解决了 AI 领域信息过载、学习资源★ 205