Sidekick – AI流程自动化平台，帮助用户快速实现常见任务的自动化
Sidekick是一款基于AI的智能流程自动化平台，让用户无需安装额外软件即可与本地大语言模型（LLM）对话，并能结合Mac上的文件、文件夹和网站信息生成回应，Sidekick支持文本生成图像，无需额...
排序
AudioFly – 科大讯飞开源的文生音效模型，支持本地部署、推理和微调。
主要介绍 AudioFly是科大讯飞推出的开源文生音效模型，基于潜在扩散模型（LDM）架构，能够根据文本描述生成高质量音频。该模型支持44.1kHz采样率，在文本与音效的匹配度上表现优异，适用于短视频...
Kotaemon—— 基于 RAG 技术的开源工具，支持多模态检索和复杂推理方法，满足多样化的查询需求
Kotaemon 是什么 Kotaemon是一款基于Retrieval-Augmented Generation (RAG)技术的开源工具，由Cinnamon团队开发。它通过结合信息检索和语言生成技术...
IndexTTS2 – B站开源的最新文本转语音模型，可精准模仿该音频的声线
哔哩哔哩（B 站）Index 团队宣布全面开源其自主研发的文本转语音(TTS)系统 ——IndexTTS-2.0，它支持两种生成模式：一种明确指定生成的标记数量以精确控制语音持续时间；另一种以自回归的...
HuMo – 清华联合字节推出的多模态视频生成框架，实现最高级别定制和控制。
字节开源的Humo模型支持文生视频、图生视频及音频生成视频，可结合文本、图像与音频多模态输入，并支持多图参考合成。HuMo 框架具备强大的多模态输入处理能力，可以同时利用文本、图像和音频三种信息，协同...
Mini-o3 – 字节联合港大推出的视觉推理模型，支持多轮交互推理
自字节跳动和香港大学的研究团队推出了 Mini-o3，一个旨在复现OpenAI强大但未公开的o3模型能力的开源系统。Mini-o3的核心目标是扩展模型与工具的交互能力，使其能够执行长达数十步的深度推理...
小米开源的图像编辑框架–Lego-Edit ，能完成多种复杂的图像编辑任务
Lego-Edit是一个为通用基于指令的图像编辑设计的框架。它使用Builder（一个MLLM）来调用Bricks（模型级工具）以实现灵活性，并采用强化学习（RL）来增强Builder的推理和工具组合...
SpikingBrain-1.0 – 中国科学院推出的类脑脉冲大模型，能实现数量级的效率提升
近日，中国科学院自动化研究所科研团队成功研发出首款类脑脉冲大模型SpikingBrain-1.0。SpikingBrain-1.0在多个性能方面实现突破：实现极低数据量高效训练、实现推理效率数量级提升...
Gemini Enterprise – 谷歌推出的企业级AI Agent平台，支持创建定制智能体
谷歌云正式推出 Gemini Enterprise 平台，让团队能在安全的环境中探索、建立、分享与执行 AI 智慧代理。使用 Gemini Enterprise，用户将可以访问功能强大的自动化智能代理...