AI源码与工具下载 - 人工智能项目与软件资源 - 第2页

发布于 2026-10-10

这是一套以 Python 编写的自动语音识别源码，在 Whisper 转录基础上加入后处理流水线，提供逐词时间戳、语音活动检测、批量推理与可选的说话人分离能力，可用于会议记录、字幕生成和长音频整理。

发布于 2026-09-28

CrewAI是一套基于Python的开源多智能体编排框架，采用MIT协议发布。它通过Crews团队协作与Flows事件流两大机制，让多个具备独立角色、目标和工具的智能体协同处理任务，并支持多模型接入、记忆知识库与工具调用。

发布于 2026-09-26

这是一套基于百度飞桨的Python多语言OCR识别源码，包含PP-OCRv6、PaddleOCR-VL与PP-StructureV3等模块，可把PDF、扫描件与截图转为JSON或Markdown结构化数据，适合文档数字化与RAG应用开发。

发布于 2026-09-24

一套面向多模型调用场景的网关源码，可将OpenAI、Claude、Gemini、DeepSeek等上游接口统一到一个标准入口，并配有用户与Key管理、渠道计费、订阅支付、调用日志和数据统计等模块，适合团队内部管理API额度或搭建对外聚合调用平台。

发布于 2026-09-22

DifyLLMOps 是一套面向开发者与企业的开源大模型应用开发平台，把模型接入、数据管理、应用编排与运行观测串成一条链路。它提供可视化提示词编排、拖拽式 AI 工作流、RAG 知识库和智能 Agent，并支持私有化部署。

发布于 2026-09-22

F5-TTS 是一个开源的深度学习文本转语音项目，核心能力包括零样本语音克隆、多语言合成和语速控制。项目提供 Python 包、Gradio 界面和 Docker 镜像等使用方式，代码采用 MIT 许可，预训练模型受非商业许可限制。

发布于 2026-09-17

StagehandAI 是一个开源 AI 浏览器自动化 SDK，面向需要构建网页智能体的开发者。它提供 act、extract、observe、agent 等原语，支持 TypeScript、Python 和 Go，让自然语言指令与确定性代码按需混合使用。

发布于 2026-09-16

MinerU是一款面向AI数据预处理的开源文档解析工具，可将PDF、图片及Office文档转换为Markdown或JSON。它内置OCR双引擎与公式、表格识别能力，提供CLI、FastAPI和Gradio WebUI三种使用方式。

发布于 2026-09-02

Ollama 是一款基于 Go 语言的开源大模型本地推理工具，支持 Llama、Qwen、DeepSeek 等百余种模型，提供一键部署、OpenAI 兼容 API，并支持 GPU 加速，适合开发者与 AI 应用集成。

发布于 2026-08-29

ChatTTS 是一款面向对话场景的文本转语音模型，支持中英文混合输入，具备细粒度韵律控制、多说话人音色克隆和流式音频生成能力，并提供 WebUI、命令行、REST API 等多种部署形态。

发布于 2026-08-26

OpenCode是一款隐私优先的AI编码代理工具，支持75+大模型与本地部署，通过TUI、CLI、桌面和VS Code扩展使用，实现自然语言编程。

发布于 2026-08-25

Toonflow是一款开源AI漫剧短剧生产工作台，基于TypeScript与Electron构建，支持从小说导入到视频导出的全链路创作，涵盖剧情拆解、分镜生成、配音字幕与视频渲染，跨平台运行，适合个人创作者与小型团队。