支持广泛硬件和神经网络模型的AI驱动图像和视频放大及帧插值图形用户界面。

gpt-image2-ppt-skills 是一个 Python 技能，用于多模态 AI 代理，利用 OpenAI 的 gpt‑image‑2 模型生成高质量 16:9 幻灯片图像，并将其打包为 .pptx 文件。支持视觉优先模式和可选的可编辑模式（将幻灯片重构为原生 PowerPoint 对象）。用户可通过自然语言提示创建新幻灯片集、克隆现有 .pptx 模板，或编辑特定幻灯片元素。安装方式为通过支持的代理安装技能或运行提供的脚本；需要 OpenAI API 密钥和本地 PowerPoint/Keynote/LibreOffice 渲染器。项目采用 Apache-2.0 许可证。

一款轻量级 2D 数字人引擎，可在移动浏览器和低功耗设备上实现无需 GPU 的实时动画与对话。

CCB（Claude‑Codex‑Bridge）是一个跨平台终端UI，让您可以在可见窗格中一起运行许多基于LLM的CLI代理（Codex、Claude、Gemini等），定义协作图，共享项目范围的记忆文件，甚至可以通过Android应用控制工作空间。通过npm安装，使用内置UI配置，并从命令行管理提供商、角色和富媒体终端。

一个使 AI 编码代理能够通过自然语言控制 BaoCut 实现视频自动转录、字幕翻译和时间线编辑的代理技能。

一个利用 AI 代理群体将文字、图像或视频转换为可漫游 3D 世界的系统，并将其渲染为基于浏览器的 Three.js 应用程序。

一款作为 Qwen4 架构预览的多模态 MoE 模型，可在编码和办公任务中实现高效率，显著降低训练与推理成本。

一个纯 Python、从零实现的经典机器学习算法、深度学习模型以及应用项目（推荐系统、计算机视觉应用、自然语言处理等）集合。旨在作为动手学习资源，帮助任何想了解机器学习技术内部工作原理的人。

一款专为 CS2 设计的一站式创作套件，可自动化完成回放分析、OBS 高光录制及 AI 驱动的视频剪辑。

Relax 是一个基于 Ray‑Serve 的开源强化学习框架，专为多模态大语言模型设计。它通过 TransferQueue 解耦 rollout 与训练，支持 GPU 集群上的完全异步或混合执行，提供 PPO、GRPO、M2‑PO、RLOO、REINFORCE++ 等丰富在线策略算法及插件式奖励系统。系统兼容 Megatron‑LM 训练后端与 SGLang 推理，可在单一管道中处理文本、视觉、视频和音频。官方 Docker 镜像、双语文档及生产级运维功能（健康监控、指标采集、弹性 rollout 扩展）使其可直接用于 Qwen‑3‑Omni 等模型的研究与大规模微调。

MobileCLIP (以及 MobileCLIP2) 是专为移动端优化的轻量、快速图文模型，用于零样本分类与描述。此仓库提供预训练权重、训练/评估脚本 (基于 OpenCLIP)、iOS 演示程序以及 CoCa 描述模型，均采用 MIT / Apple research 授权。

一个交互式 3D 昆虫百科全书，收录 63 个物种，完全通过参数化 TypeScript 代码生成，而非使用外部 3D 素材。

一个用于创建个性化、类人 AI 伙伴的综合性工作台，支持自定义语音、性格和 Live2D 视觉效果。

专为 Codex 编码代理设计的开源 AI 幻灯片工作室，通过可控的实时编辑工作流，将提示词、代码库或文件转换为专业的演示文稿。

一个用于预测细胞对扰动的反应并生成细胞嵌入（embeddings）以建模生物状态转换的框架。

只需输入一句话，即可生成包含大纲、文案及视觉一致图像的完整多页社交媒体帖子。AI 驱动工具。

一个用于构建低延迟、多模态 AI 代理的框架，将实时视频流与大型语言模型（LLM）以及计算机视觉模型结合，提供交互式视觉体验。

一个用于构建具有低延迟音频、文本和视觉能力的实时多模态对话式 AI 代理的开源框架。

一个使用 OCR 将截图、图像和 PDF 转换为可编辑 LaTeX 公式和文本的桌面应用程序。

MCP Gateway 是一个开源的、原生 Kubernetes 的反向代理和管理层，用于 Model Context Protocol (MCP) 服务器。它提供 REST 控制平面，用于创建、更新和监控 MCP 适配器和工具，支持会话感知路由、Azure Entra ID RBAC、内置 React 管理门户，以及可选的 LLM 驱动代理。可通过 Docker/K8s 本地部署，或使用一键式 Azure 模板部署。

一系列统一的多模态模型，用于 3D 世界建模，能够利用原生物理、几何和外观状态实现以相机为中心的空间智能和 3D 世界生成。

NVIDIA 推出的系列开源生成式 3D 世界模型，能从单张图像或视频生成 3D 与 4D 场景。

一款基于深度学习的漫画翻译工具，可自动化实现漫画和漫画的文本检测、OCR、修复和翻译。

一个用于部署和微调基于 Gemini 研究的 Gemma 系列开源权重大语言模型的 JAX 库，支持多模态对话和多种硬件后端。

LMMs‑Eval 是一个开源 Python 工具包，统一了 >100 个多模态基准任务（图像、视频、音频），用于评估具备视觉/音频能力的大语言模型。它提供确定性、统计上可靠的结果，支持 30+ 模型家族（通过 vLLM、SGLang 或 OpenAI 兼容 API），并包含 Web UI、HTTP 评估服务器和可扩展的模型/任务接口。

一个用于构建实时数字人代理的开源框架，该代理结合了语音交互、角色记忆和单张照片的视频动画。

用于在移动和嵌入式设备上以低延迟和端侧执行部署实时交互式 AI Avatars 的开源 SDK。

一个完全本地、未经审查的 AI 伴侣系统，集成了 LLM、TTS、图像生成和 Live2D 动画，以创建私密、以角色为驱动的虚拟伙伴。

Huobao Canvas 是一个开源、基于节点的可视化编辑器，可让您在无限画布上链接来自 11 个提供商的文本、图像和视频 AI 模型。它提供轻量级 Node 服务器用于持久化和异步运行队列、Docker 和 Electron 部署选项，以及通过 Huobao 进行一键设置。非常适合在不编写代码的情况下构建多模态创意流水线。

Code-as-World 是一个将物理世界表示为可执行代码的框架，通过迭代模拟发现世界表示，使 AI 模型能够进行定量物理推理。

AssetOpsBench 是一个开源基准/框架，用于构建、编排和评估基于大语言模型（LLM）的AI代理，这些代理处理工业资产管理系统数据（传感器、工单、故障模式等）。它提供领域特定的MCP工具服务器、多种ReAct风格代理后端、141+个真实场景，以及在KDD/AAAI/NeurIPS竞赛中使用的多维评估流水线。

一个将高保真3D捕获数据集成到标准3D制作工作流中的Blender插件，支持导入、编辑、动画和渲染3D高斯溅射。

Fusion 是一个开源的 AI 驱动的软件工厂，可将自然语言任务描述转化为完全审查、可合并的代码。它协调由 LLM 驱动的代理群，每个任务在独立的 Git worktree 中运行，并通过可配置工作流和人工监督的可视化仪表板呈现整个流程。

Stirrup 是一个用于构建 LLM 驱动型智能体的轻量级 Python 框架。它提供现成的工具（代码执行、网络搜索、文件 I/O、多模态处理）和灵活的 `Tool`/`ToolProvider` 系统，同时自动管理上下文限制和会话生命周期。通过 `pip install stirrup`（可选扩展包括 Docker、浏览器等）进行安装，创建客户端（OpenRouter、LiteLLM 或任何 OpenAI 兼容的 API），实例化一个 `Agent`，并运行一个允许模型调用工具来解决任务的会话。易于添加自定义工具和提供者，使 Stirrup 非常适合快速原型设计、特定领域助手以及对使用工具的智能体的研究。

一款 AI 驱动的图像翻译工具，可检测、删除并替换漫画和连环画中的文本，支持多种语言和自动排版。

一个 Android 翻译应用，使用设备上的模型完全离线地翻译文本、PDF/ODT 文档和图像。

ChattyPlay‑Agent 是一个全栈 Web 应用，将 AI 聊天助手（ChatGPT/DeepSeek）与多种日常工具——音乐流媒体、视频解析、金价图表、学术论文浏览、LaTeX/markdown 编辑器、思维导图、漫画库、闲鱼市场助手、文本生成图像——融合在一起。采用 React + TypeScript 前端和 Python/Java 后端构建，通过 Docker 运行，提供在线演示。该仓库是 AI 助手领域的一个真实软件项目。

Maestro 是一个跨平台桌面应用，允许高级用户并行运行、自动化和监控多个 AI 编码代理（如 Claude Code、OpenAI Codex 等），支持 Git 工作树、剧本自动化、键盘优先 UI、远程 Web 控制和分析功能，所有功能均在 AGPL-3.0 许可证下提供。

UniRL 是一个开源 Python 框架，将统一的强化学习循环应用于许多多模态生成模型（LLM、视觉-语言模型、图像/视频扩散，以及混合 AR-扩散模型）。它提供四个入口点、基于 Hydra 的配置、可插拔的 rollout 引擎，以及通过 Ray 和 FSDP 进行的分布式训练。该仓库包含标准 RL 算法以及团队提出的三种新颖方法（Flow-DPPO、DRPO、CPPO）的教程。支持的模型包括 Stable Diffusion 3、FLUX.2-Klein、Qwen-3、HunyuanVideo 等。提供文档、示例配方和 WeChat 社区。采用 Apache-2.0 许可证。

一种用于AI代理的提示导向工作流，可生成结构化的生产计划和用于创建角色一致的换装视频的提示。

OpenCLIP 是一个开源 PyTorch 库，实现了 OpenAI 的 CLIP 以及许多较新的多模态模型（SigLIP、CoCa、MaMMUT、CLAP、支持 NaFlex 的视觉/音频、现代文本塔）。它提供预训练检查点、支持分布式/FSDP2 的灵活训练栈、混合精度和 torch.compile 加速，以及用于零样本推理和生成式说明的工具。

WorldX 是一个 AI 驱动的模拟引擎，仅需一个文本提示即可生成包含自主代理、地图和涌现叙事的完整虚拟世界。

一个AI驱动的3D模型工作室，利用多个AI提供商将图像转换为交互式3D模型，并提供专业级的检查与展示工作环境。

一种结合高斯光栅化与光线追踪的混合 3D 渲染框架，支持畸变相机和反射、阴影等复杂光照效果。

一个 AI 原生视频平台，AI 代理与人类共同创作和分享短视频，通过 Proof of Physical AI 实现硬件验证的内容来源证明。

DebugMCP 是一个由微软维护的 VS Code 扩展，运行一个本地 MCP 服务器，将调试操作（启动/停止、单步执行、断点、变量检查、表达式评估）作为工具暴露，供任何兼容 MCP 的 AI 助手（Copilot、Cursor、Codex 等）调用。它开箱即用支持多种语言，仅在端口 3001 本地运行，并包含安全检查（仅回环绑定、主机验证、密钥隐藏）。附带的 *debug‑live* 技能提供高级调试工作流，使 AI 代理能够自主地在 VS Code 内直接调试代码。

Open Storyboard Canvas 是一个开源、跨平台的桌面应用（Tauri + React + Rust），提供用于AI生成图像、视频和3D故事板场景的可视化节点画布。包含基于聊天的Canvas Agent（测试版），可创建、编辑和跟踪生成任务，支持多种提供者（OpenAI兼容、Claude、Dreamina CLI），并提供导演工作室工具、提示词库、批量导入和详细日志。采用MIT许可证，基于Storyboard-Copilot上游项目构建。

一个集成了 LLM、ASR 和 TTS 的综合数字人框架，为应用程序、网站和嵌入式设备提供交互式虚拟化身能力。