BiliSum 是一个视频转知识工具，可将 Bilibili、YouTube 和本地视频转换为转录文本、视觉笔记和本地 RAG 驱动的知识库。

一个整合多模态聊天、智能摄像头监控和基于 RAG 的记忆的本地托管 AI 伴侣系统，打造主动式个人助手。

一个 TypeScript SDK，用于从文本提示生成和编辑 UI 屏幕，提供 HTML 和截图以实现快速原型设计和 AI 代理集成。

OmicVerse 是一个Python库，统一了批量RNA-seq、单细胞和空间转录组学分析。它捆绑了数十个成熟的生物信息学工具，标准化了 anndata/mudata 数据结构，并添加了AI辅助代理（J.A.R.V.I.S.）和MCP服务器，使您可以通过自然语言命令或LLM集成运行工作流。可选扩展提供合成生物学建模和GPU加速分子动力学工作流。

一种学习型的 Perlin 噪声继承者，使用扩散模型生成无限、确定且可随机访问的实时地形和气候数据。

Wolfcha 是一款网页游戏，让一名人类玩家与满桌由 AI 控制的角色进行狼人杀游戏。AI 会记住过去的对话，带着意图行动，并实时生成语音台词（可选语音），无需其他人类玩家即可重现混乱的社交推理体验。

一个支持实时唇形同步、零样本语音克隆和多LLM的生产就绪型AI虚拟形象构建平台。

一款 AI 驱动的自托管相册，通过票证 OCR、人脸识别和地理足迹映射，自动整理旅行记忆。

SHUO Canvas是一款桌面端、基于节点的画布，允许创作者将文本、图像、视频和音频与AI生成（通过OpenAI兼容、RunningHub、ComfyUI等）结合，构建脚本、故事板、角色替换视频、360°全景图、配音和3D场景——所有内容均在一个可视化工作流中完成。

一个 AI 驱动的漫画翻译与管理套件，可自动化文本检测、OCR、翻译和图像修复，配备基于 RAG 的剧情分析引擎。

一款使用 LLM 识别 YouTube 视频高光并自动将其转换为带字幕的 9:16 竖屏剪辑的 Windows 桌面应用。

一个开源 GUI，支持从 1,800 多个网站下载视频，集成 AI 视频摘要、自然语言编辑和 AI 驱动的字幕生成。

一个AI驱动的视频制作平台，可将剧本转化为具有统一角色和视觉风格的视频序列。

一个 Node.js 服务器，将 Microsoft 365 Graph API 作为 MCP 工具暴露给 LLM，支持个人和组织账户、多账户使用、权限过滤，以及实验性的节省令牌的 TOON 输出格式。

AlphaGenome 是一个统一的 DNA 序列模型，可预测调控性遗传变异对基因表达、剪接和染色质特征在单碱基对分辨率下的影响。

一个用于在图像和视频之间学习预测与规划表示的轻量级库，基于能量基联合嵌入预测架构。

py‑xiaozhi 是一个基于 Python 的异步优先框架，用于构建可以倾听、说话、观察并控制硬件的多模态 AI 助手。

基于 PyTorch 的框架，利用多种蒸馏和加速技术加速图像和视频生成的扩散模型。

一个自动化漫画翻译工具，利用大语言模型、OCR 和图像修复技术，在保留原始视觉布局的同时，将多种语言的漫画和漫画翻译成其他语言。

Skills for Copilot Studio 是一个插件（适用于 Claude Code、GitHub Copilot CLI 和 VS Code），可让您使用 YAML 文件创建、编辑、同步、测试 Microsoft Copilot Studio“标准”代理并获取设计建议——全部在终端或编辑器中完成。

NVIDIA Transformer Engine 是一个专注于 GPU 的库，提供 FP8/MXFP8/NVFP4 混合精度支持、融合内核以及适用于 PyTorch 和 JAX 的简单 autocast API，从而实现大语言模型和 MoE 模型更快速、低内存消耗的训练与推理。

UAV Downloader 是一款面向 Windows 的视频下载工具，支持 JableTV、MissAV、SupJav 和 Hanime1，可利用本地语音识别（ReazonSpeech K2 v2 或 Whisper）和翻译模型（FuguMT、OPUS-MT）自动生成日语、英语和繁体中文字幕。提供三种运行模式——交互式 GUI（UAV Browser）、无人值守调度器（UAV Watcher）和无头 Docker/CLI 版本，支持代理、并行下载及可选的 LLM 翻译。项目采用 Apache 2.0 许可证发布，默认离线运行。

一个允许用户导入自有模型并通过插件系统扩展功能的自托管 AI 图像和视频生成工作台。

一款为电影制作人设计的桌面应用程序，可从参考视频中提取姿态、深度和相机运动数据，以创建 AI 视频生成流水线的控制包。

M-flow 是一种记忆系统，专为 AI 代理设计，通过在知识图谱中对证据路径进行评分来检索信息，其运作方式类似于认知记忆系统，而不仅仅依赖相似度搜索。

ComfyUI‑Trellis2 是一个自定义节点包，将微软的 TRELLIS.2 3D 扩散模型集成到视觉编程界面 ComfyUI 中。它提供数十个节点，用于从单张或多张图像（或视频）生成、精炼、纹理化和渲染网格。安装需 Windows、Python 3.11、PyTorch 2.7/2.8 + CUDA，以及 Facebook DINOv3 检查点。仓库提供原生扩展的预构建轮子，并包含示例工作流。这是一个活跃的、真实的 AI/ML 项目，专注于 3D 生成。

一个自动化视频生成工具，可生成脚本、使用本地语音克隆合成语音，并匹配相关视频片段，实现同步的逐字字幕。

MCPX 是一个基于 Go 的本地服务器，实现了 MCP 协议，使 LLM 代理（如 ChatGPT、Claude 等）能够安全地读取、编辑、执行、管理注册本地工作区中的文件、命令、计划和工件。它提供持久的远程会话、细粒度的安全策略、存储在 SQLite 中的审计日志，以及通过技能和自定义工具实现的可扩展性。

一个本地、群智智能的全球预测系统，融合40多个实时数据流，构建3D智能地球以预测世界事件

一种用于原子级蛋白质结合物设计的生成模型，通过统一生成建模与幻觉，为蛋白质和小分子配体生成结合物。

一个所有原子的生物分子基础模型，利用共折叠进行药物发现中的结构预测、设计和优化。

MiniCPM-o 4.5 的演示系统，支持 AI 实时、全双工地同时看、听、说，实现真正的多模态交互

基于 LiveKit 构建的可扩展、开源网络会议系统，提供自托管视频会议功能，支持 AI 驱动的语音转录与摘要。

一套先进的多模态 LLM，为大语言模型提供通用听觉能力与整合音视频感知能力。

MCP Router 是一款已停止维护的开源桌面应用（Windows/macOS），用于本地管理 Model Context Protocol (MCP) 服务器。它允许用户将服务器分组为项目和工作区，逐个切换工具，查看请求日志和基础分析数据，并与主流 AI 前端集成。所有数据均保留在用户设备上；最后一个发布版本为 v0.6.4（支持终止日：2026年9月）

NeMo Megatron Bridge 是一个 PyTorch 原生库，用于连接 Hugging Face 模型检查点与 NVIDIA 的 Megatron‑Core 训练引擎。它提供双向检查点转换、验证和高吞吐量训练（张量/管道并行、FP8/BF16/FP4）。该仓库附带数十种 LLM、VLM 和扩散模型的现成配方（例如 Llama 3.2、Nemotron‑3 Ultra、K‑EXAONE‑2），并支持 SFT/LoRA 微调。可通过官方 NeMo Docker 容器或从源代码安装，并使用提供的快速入门脚本进行模型转换、训练或导出。

TE MAN 是一个 ComfyUI 插件，增加了无限画布工作流、资产库、音频/视频/图像节点、3‑D 导演、批量提示工具和集成 AI 助手聊天面板，支持本地模型推理与远程 API 使用，适用于图像、视频及多模态生成。

一组基于 PyTorch 的工具，用于图像超分辨率、VR 用 2D 到 3D 视频转换以及数据集过滤的图像质量评估。

DeepSeek Harness 的视觉路由插件，使代理可通过工具调用与图像像素交互，并提供内置的无密钥免费视觉备用方案。

CubeCL 是一种基于 Rust 过程宏的语言，允许您用 Rust 编写单个计算内核，并将其 JIT 编译为 CUDA、HIP、Metal、WebGPU（WGSL/SPIR-V）或 CPU SIMD。它用四个轴（向量、平面、立方体维度、立方体数量）对并行性进行建模，支持编译时特化、自动向量化和运行时自动调优，并构成 Rust 深度学习框架 Burn 和内核库 cubek 的低级基础。

GaussianGPT 是一种基于 Transformer 的模型，通过下一个标记预测生成 3D 高斯场景，支持可控的 3D 场景生成、补全和外绘。

一个官方的 Model Context Protocol (MCP) 服务器，使 Claude 和 Cursor 等 AI 客户端能够通过 MiniMax API 生成语音、克隆声音，并创建图像和视频。

一系列针对科学智能和长程智能体优化的多模态基础模型，能够在化学和生物学等复杂科学领域进行推理。

一个利用 RAG、知识图谱和语音交互进行疾病诊断与医疗记录分析的多模态 AI 健康助手。

MACE 是一个开源的 PyTorch 库，用于等变图神经网络原子间势能。它提供快速训练/评估、多 GPU 和 Apple-Silicon 支持、可选 CUDA 加速，以及材料和有机化学的预训练基础模型目录。通过 `pip install mace-torch` 安装，使用 `mace_run_train` CLI（或 YAML 配置）训练，使用 `mace_eval_configs` 评估。包含文档、Colab 教程和 Weights & Biases 集成。v0.3 线稳定，而重大 v1.0 重构正在进行中。

一个开源工具，通过本地处理和可选的AI视觉进行字符标注，将手写照片转换为可安装的TTF/WOFF字体。

一款利用 AI 轮廓描绘与比例校准技术，通过工具照片生成自定义 Gridfinity 3D 打印收纳盒的工具。

Maid 是一个开源的 Android 应用（React Native），可让你通过 llama.cpp 在本地运行 GGUF LLM，并连接到多个远程 LLM API。它提供一键式模型下载、聊天管理、可调生成设置、可选的云同步功能，以及配套的语音合成应用（Maise）。可通过 GitHub 发布版本或 Google Play 安装，也可自行构建 APK。