产品库

基于PyTorch的生成式音频模型库

stable-audio-tools是一个开源的PyTorch库,提供了用于条件音频生成的生成模型的训练和推理代码。包括自动编码器、隐式扩散模型、MusicGen等。支持多GPU训练,可以生成高质量的音频。

基于 PyTorch 的音乐、歌曲和音频生成工具包，支持高质量音频生成

InspireMusic 是一个专注于音乐、歌曲和音频生成的 AIGC 工具包和模型框架，采用 PyTorch 开发。它通过音频标记化和解码过程，结合自回归 Transformer 和条件流匹配模型，实现高质量音乐生成。该工具包支持文本提示、音乐风格、结构等多种条件控制，能够生成 24kHz 和 48kHz 的高质量音频，并支持长音频生成。此外，它还提供了方便的微调和推理脚本，方便用户根据需求调整模型。InspireMusic 的开源旨在赋能普通用户通过音乐创作提升研究中的音效表现。

高效的文本到音频生成模型

TangoFlux是一个高效的文本到音频（TTA）生成模型，拥有515M参数，能够在单个A40 GPU上仅用3.7秒生成长达30秒的44.1kHz音频。该模型通过提出CLAP-Ranked Preference Optimization (CRPO)框架，解决了TTA模型对齐的挑战，通过迭代生成和优化偏好数据来增强TTA对齐。TangoFlux在客观和主观基准测试中均实现了最先进的性能，并且所有代码和模型均开源，以支持TTA生成的进一步研究。

高效的文本到音频生成模型，具有潜在一致性。

AudioLCM是一个基于PyTorch实现的文本到音频生成模型，它通过潜在一致性模型来生成高质量且高效的音频。该模型由Huadai Liu等人开发，提供了开源的实现和预训练模型。它能够将文本描述转化为接近真实的音频，具有重要的应用价值，尤其是在语音合成、音频制作等领域。

自托管的开源OpenAI替代品，支持文本、音频、图像生成

LocalAI 是一个自托管的开源 OpenAI 替代品，可在消费级硬件上运行，支持本地或本地部署的文本、音频、图像生成。它提供了 GPT 等模型的文本生成功能，同时支持文本转语音、图像生成等多种功能。由于其开源自托管的特性，用户可以自由定制和部署，不受云端 API 限制，适合对数据隐私和安全性有要求的用户。LocalAI 的定位是为那些寻求自主控制、不依赖于第三方服务的个人用户或组织提供强大的 AI 生成能力。

BRIA AI开源的用于图像背景去除的Pytorch模型

RMBG-1.4是一个用于图像背景去除的Pytorch模型,由BRIA AI开发,经过专业级数据集的训练,能够高效准确地分割前景和背景。该模型的精度、效率和通用性目前可与领先的开源模型媲美,适用于支持企业大规模内容创作的商业使用案例。由于使用了合法许可的训练数据集并有效减轻了模型偏差,RMBG-1.4在保证内容安全方面尤为突出。

个人化的 AI 记忆层，确保数据安全与隐私。

OpenMemory 是一个开放源代码的个人记忆层，为大型语言模型（LLMs）提供私密、可携带的记忆管理。它确保用户对自己的数据拥有完全的控制权，能够在构建 AI 应用程序时保持数据的安全性。此项目支持 Docker、Python 和 Node.js，适合开发者进行个性化的 AI 体验。OpenMemory 尤其适合希望在不泄露个人信息的情况下使用 AI 的用户。

开源的手机端 GUI 智能代理，支持中英文应用操作。

AgentCPM-GUI 是一款开源的手机端大型语言模型（LLM）代理，专为操作中英文应用程序而设计，能够根据用户的屏幕截图自动执行任务。其主要优点在于高效的 GUI 元素理解、增强的推理能力以及对中文应用的精准支持。此技术的开发背景是为了提升移动设备上智能代理的用户体验，特别是在复杂任务处理方面。该产品定位于提高移动端的生产力，适用于各类用户。

开源的 AI 研究助手，集成多种外部资源。

SurfSense 是一款开源的 AI 研究助手，它将多种外部资源（如搜索引擎、Slack、Notion 等）整合在一起，帮助用户高效地进行研究和信息管理。该产品支持多种文件格式的上传与搜索，具备自然语言交互能力，并能快速生成内容。SurfSense 旨在提升研究效率，适合对知识管理有高需求的用户。

Seed-Coder 是一个开源的 8B 代码大型语言模型系列。

Seed-Coder 是字节跳动 Seed 团队推出的开源代码大型语言模型系列，包含基础、指令和推理模型，旨在通过最小的人力投入，自主管理代码训练数据，从而显著提升编程能力。该模型在同类开源模型中表现优越，适合于各种编码任务，定位于推动开源 LLM 生态的发展，适用于研究和工业界。

Audiox是专业AI音频生成工具。

Audiox是一款利用AI技术生成专业音频的工具，无需音乐知识，可快速创建令人惊叹的音乐和声音效果。其主要优点包括创作便捷、音质优良、使用简单，适用于音乐制作、视频制作、声效设计等领域。

一个社区驱动的深度研究框架，结合语言模型与多种工具。

DeerFlow 是一个深度研究框架，旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具，以推动深入研究工作。该项目源于开源社区，强调贡献回馈，具备多种灵活的功能，适合各类研究需求。

用于生成和推荐笔记的可检索大型语言模型。

NoteLLM 是一款专注于用户生成内容的可检索大型语言模型，旨在提升推荐系统的性能。通过将主题生成与嵌入生成相结合，NoteLLM 提高了对笔记内容的理解与处理能力。该模型采用了端到端的微调策略，适用于多模态输入，增强了在多样化内容领域的应用潜力。其重要性在于能够有效提升笔记推荐的准确性和用户体验，特别适用于小红书等 UGC 平台。

代理法官，用于自动评估任务和提供奖励信号。

Agent-as-a-Judge 是一种新型的自动化评估系统，旨在通过代理系统的互相评估来提高工作效率和质量。该产品能够显著减少评估时间和成本，同时提供持续的反馈信号，促进代理系统的自我改进。它被广泛应用于 AI 开发任务中，特别是在代码生成领域。该系统具备开源特性，便于开发者进行二次开发和定制。

一个模型上下文协议服务器，用于 Excel 文件操作。

Excel MCP Server 是一个无须安装 Microsoft Excel 即可操作 Excel 文件的服务器，用户可以创建、读取和修改 Excel 工作簿。该工具的主要优点在于它的易用性和灵活性，支持多种 Excel 功能，并可通过 AI 代理进行文件操作。此产品适合需要频繁处理 Excel 文件的用户，如数据分析师、财务人员等。此工具是开源的，使用 Python 开发，便于在本地或远程服务器上运行。

Ubicloud是一种开源云，可在任何地方运行，提供弹性计算、块存储、负载均衡器、防火墙、托管PostgreSQL和GitHub Actions运行器。

Ubicloud是一个开源云平台，可在任何地方运行。它提供弹性计算、块存储、负载均衡器、防火墙、托管PostgreSQL和GitHub Actions运行器。通过自托管软件或使用托管服务，可将云成本降低3-10倍。

Zarin是首个开源AI平台，集成了200多个热门和最新的AI多模型，可生成图片、视频、音频、代码、学术论文等。

Zarin是一个开源AI平台，汇聚了200多个热门和最新的AI多模型，为用户提供生成图片、视频、音频、代码、学术论文等功能。该平台的主要优点是打破了不同AI平台之间切换的障碍，使用户能够在一个平台上完成多种任务。Zarin的背景信息是由Ibrohim Abdivokhidov开发。

一个旨在推动人工智能民主化的开源项目。

DeepSeek-Prover-V2-671B 是一个先进的人工智能模型，旨在提供强大的推理能力。它基于最新的技术，适用于多种应用场景。该模型是开源的，旨在促进人工智能技术的民主化与普及，降低技术壁垒，使更多开发者和研究者能够利用 AI 技术进行创新。通过使用该模型，用户可以提升他们的工作效率，推动各类项目的进展。

F Lite 是一款 10B 参数的扩散模型，专注于合法和安全内容。

F Lite 是由 Freepik 和 Fal 开发的一个大型扩散模型，具有 100 亿个参数，专门训练于版权安全和适合工作环境 (SFW) 的内容。该模型基于 Freepik 的内部数据集，包含约 8000 万张合法合规的图像，标志着公开可用的模型在这一规模上首次专注于合法和安全的内容。它的技术报告提供了详细的模型信息，并且使用了 CreativeML Open RAIL-M 许可证进行分发。该模型的设计旨在推动人工智能的开放性和可用性。

Simular AI 提供开放源代码的智能 AI 代理，以自动化计算机任务。

Simular 是一款领先的开放源代码计算机使用代理，通过人类般的计算机操作来自动化多种数字任务，提升工作效率。该产品由来自 DeepMind、Google 和 Baidu 等顶尖 AI 研究机构的专家团队开发，旨在通过开放的代理框架实现透明且可控的业务集成。

一个统一的图像编辑模型，支持多种用户指令。

Step1X-Edit 是一种实用的通用图像编辑框架，利用 MLLMs 的图像理解能力解析编辑指令，生成编辑令牌，并通过 DiT 网络解码为图像。其重要性在于能够有效满足真实用户的编辑需求，提升了图像编辑的便捷性和灵活性。

一键部署和扩展您喜爱的开源应用，价格为主流云主机的一半。

RepoCloud是一个开源应用云市场，让用户能够轻松部署和扩展他们喜爱的开源应用。它提供一键部署功能，并且价格仅为主流云主机的一半，旨在降低用户的部署和运营成本。

Kimi-Audio 是一个开源音频基础模型，擅长音频理解与生成。

Kimi-Audio 是一个先进的开源音频基础模型，旨在处理多种音频处理任务，如语音识别和音频对话。该模型在超过 1300 万小时的多样化音频数据和文本数据上进行了大规模预训练，具有强大的音频推理和语言理解能力。它的主要优点包括优秀的性能和灵活性，适合研究人员和开发者进行音频相关的研究与开发。

一套用于 DevOps 面试准备的练习题和资源。

devops-exercises 是一个旨在帮助求职者准备 DevOps 面试的资源库。它包含了各种技术和工具的练习题，帮助用户提高自己的技能和面试表现。该项目是开源的，适合所有希望在 DevOps 领域发展的人员。它涵盖了包括 Docker、Kubernetes、AWS 等热门技术，适合初学者和有经验的专业人士。该项目的使用完全免费，促进了社区的学习与成长。

开放源代码的 8B 参数文本到图像扩散模型。

Flex.2 是当前最灵活的文本到图像扩散模型，具备内置的重绘和通用控制功能。它是一个开源项目，由社区支持，旨在推动人工智能的民主化。Flex.2 具备 8 亿参数，支持 512 个令牌长度输入，并符合 OSI 的 Apache 2.0 许可证。此模型可以在许多创意项目中提供强大的支持。用户可以通过反馈不断改善模型，推动技术进步。

一个可以在一次传递中生成超逼真的对话的 TTS 模型。

Dia 是一个由 Nari Labs 开发的文本到语音（TTS）模型，具有 1.6 亿参数，能够直接从文本生成高度逼真的对话。该模型支持情感和语调控制，并能够生成非言语交流，如笑声和咳嗽。它的预训练模型权重托管在 Hugging Face 上，适用于英语生成。此产品对于研究和教育用途至关重要，能够推动对话生成技术的发展。

开源的全能 AI 助手，帮助完成各种任务。

Suna 是一个开源的 AI 助手，通过自然对话帮助用户轻松完成研究、数据分析和日常挑战。它结合强大的功能与直观的界面，能够高效解决复杂问题并自动化工作流程。Suna 的工具包包括无缝的浏览器自动化、文件管理、网站部署和与多种 API 的集成。其功能强大且灵活，适用于各种用户需求。

一个高效的强化学习框架，用于训练推理和搜索引擎调用的语言模型。

Search-R1 是一个强化学习框架，旨在训练能够进行推理和调用搜索引擎的语言模型（LLMs）。它基于 veRL 构建，支持多种强化学习方法和不同的 LLM 架构，使得在工具增强的推理研究和开发中具备高效性和可扩展性。

一款现代、功能丰富的无数据库平面文件 Wiki 平台。

LeoMoon Wiki-Go 是一款快速、现代的平面文件 Wiki，使用 Go 语言构建。它专注于简单性和性能，支持 Markdown 格式，完全不依赖数据库，零维护。适合个人知识管理、团队协作及内部文档。

基于 Intel Arc GPU 的 AI 图像生成与聊天机器人应用。

AI Playground 是一个开源项目，旨在为用户提供 AI 图像创建、图像风格化和聊天机器人的功能。它专为使用 Intel® Arc™ GPU 的 PC 设计，支持多种生成 AI 库和模型。此应用程序的主要优点在于其强大的图像生成能力和便捷的使用体验。适合 AI 开发者、设计师和爱好者，帮助他们探索和利用先进的 AI 技术。该软件为用户提供了自由选择和下载模型的灵活性，适合各种应用场景。