一種從氨基酸序列中採樣蛋白質單體結構平衡分佈的生成模型，具備確保物理合理性的引導系統。

SenseNova-Vision 是一個統一的多模態模型，它將多樣化的電腦視覺任務視為生成問題，使單一模型能夠透過文字和圖像輸出來執行偵測、分割和幾何預測。

一個用於擴散模型的加速框架，將預訓練模型轉換為深度壓縮的潛在空間，在不損失品質的情況下實現高達 53.8 倍的推理加速。

適用於 Windows 的本地多模態桌面助理，能感知螢幕與系統音訊，提供即時遊戲陪伴、課程筆記與情境 AI 互動。

NeoVerse 是一個 4D 世界模型，能從單目影片中重建 3D 場景，從而實現沿著新穎的相機軌跡進行高品質的影片生成。

CoVT 是一個使視覺語言模型能夠使用連續視覺令牌進行推理的框架，透過將語意思考根植於感知線索，提升其空間推理能力與幾何意識。

將影片串流轉換為帶有註釋的 3D 空間智能數據集（包括 3D Gaussian Splatting 幾何形狀與空間 QA 對）的數據策劃流水線。

一個使用代理強化學習的多回合多模態 RAG 框架，使 VLM 能在文字、圖像與影片之間進行推理與資訊檢索。

基於Raspberry Pi打造的口袋尺寸AI聊天機器人，支援語音對語音互動、圖像生成與本地AI加速。

一個端到端的影片配音流程，自動化完成轉錄、翻譯、語音克隆與音訊組裝，整合為單一工作流程。

一個多模態 AI 模型系列，支援語音與文本模態，可在近 100 種語言中實現高品質、具表現力的即時翻譯。

一款 AI 驅動的電影剪輯助手，可對影片素材進行轉錄、索引和搜尋，允許剪輯師使用 LLM 自動建立用於匯出至剪輯軟體的敘事片段。

一個大規模的多學科基準測試，用於在 30 個不同學科上評估大學程度的專業知識與複雜推理能力的多元模態 AI 模型。

bioSkills 是一個包含即用型程式碼範本（「技能」）的函式庫，可教導LLM編碼代理執行生物資訊學分析——從序列輸入輸出到單細胞、變異檢測、結構生物學、化學資訊學及工作流程管理。可透過 Claude Code、Codex、Gemini/Antigravity、OpenCode 和 OpenClaw 的輕量腳本安裝，提供最佳實踐命令列旗標、範例程式碼與使用指南，提升AI生成的生物資訊學程式碼的準確性。

一個為 OpenAI Codex 設計的全面工作流技能，可從創意腳本到最終 MP4 渲染，自動化生成紙拼貼風格廣告。

一個使用 LangGraph 協調從故事構思到最終影片合成的多代理流程的 AI 漫畫影片生成專案

一個開源的影片翻譯工具，能將影片轉錄、翻譯並以聽起來自然的 AI 語音進行配音，支援 33 種語言。

使用 LiveKit Agents 框架建構語音、視訊與電話AI代理的可執行Python範例與全端應用的集合。

一個整合 ChatGPT、本地 VITS 語音合成與 Live2D 動畫的 Android 應用程式，創造出沉浸式的角色型 AI 伴侶。

位置智能平台（\psi）是 Microsoft 開源的 .NET 框架，用於建構即時多模態 AI 應用——機器人、混合實境助理、智慧空間系統——透過提供高效率串流基礎設施、視覺化工具（PsiStudio）以及感測器/AI 元件程式庫。它可在 Windows 與 Linux 上執行，以 MIT 授權的 NuGet 套件分發，並包含教學、範例與活躍的社群。

使用 Gemini 2.5 Flash 的自主 AI 機器人，可在無人干預下每日編寫、產出並上傳教育類 YouTube 影片與 Shorts。

一個開源管線，透過 AI 生成的視覺效果、音訊清洗和自動上傳，將原始的「說話者頭像」錄影轉換為精緻的影片，實現 YouTube 影片編輯的自動化。

一個基於節點的視覺化編輯器，透過自動化 LLM 提示詞與 ComfyUI 影像及影片生成之間的工作流程，來簡化 AI 電影製作。

一個為 DeepSeek Harness 所設計的視覺工具包，讓純文字模型具備執行 UI 復原、長截圖 OCR 和 GUI 自動化等任務的視覺能力。

一組開源的Three.js體驗，展示使用Mint資產管道建構的互動式3D展廳、遊戲與資料視覺化。

NVIDIA 提供的 PyTorch 庫，為 3D 深度學習提供 GPU 優化模組，包括可微分渲染、物理模擬以及對 3D 高斯點的支援。

一個統一的本地Web介面，可存取數百個LLM與多模態AI模型，支援文字、影像、影片與音樂生成。

一個用於探索 Google Cloud 生成式媒體模型的 Web 應用程式，提供影像、影片、音樂與語音生成以及創意工作流程的統一介面。

pytorch_memlab 是一個 Python 套件，可逐行分析 CUDA 記憶體使用情況，列出活躍張量，並能暫時將 GPU 資料移至 CPU。它透過 `%mlrun` 魔術指令與 IPython/Jupyter 集成，協助調試 PyTorch 模型中的記憶體不足錯誤。

pnnx 是一個開源工具，可優化 PyTorch 模型並導出為輕量、無依賴的格式（PNNX）以及 ncnn/ONNX-zero 檔案，使邊緣裝置上的快速推論成為可能。

Opentu 是一個基於畫布的 AI 應用平台，將多模型生成與工具管理整合至單一工作區，實現持續的 AI 任務執行。

支援文字、視覺與音訊能力的 MiniCPM 系列多模態模型之部署與微調完整食譜手冊，適用於多種硬體平台。

Codex Orchestration 是一個 Codex 外掛程式，可讓您將其他 LLM（Claude Fable 5、Opus 5、OpenRouter 模型等）附加至任務，並為其分配特定角色——規劃者、顧問、設計師、執行者。Codex 保持頂層協調者身份，迭代計畫、審查計畫、可選地設計 UX 資料，最終執行程式碼。外掛程式透過 Codex 市場安裝，透過 Codex 聊天中的技能提示配置，並支援角色特定的工作量層級。旨在提升計畫品質、實現平行工作、減少高階模型使用。MIT 許可。

WGAI 是一個基於 Spring-Boot + Vue 的 Web 平台，將視覺（OpenCV、YOLO、OCR、人臉辨識）、音訊（語音轉文字、ChatGPT 風格對話）、數位人虛擬形象與 AGV 導航整合為一個離線優先、工業級的 AI 管理系統。提供線上資料標註、模型訓練、即時影片/音訊分析與系統監控功能，並配備設定介面與公開示範實例。程式碼採用 AGPL-3.0 授權，支援主要透過付費中文社群提供。

這是一個為騰訊 Hunyuan3D-2.1 模型開發的 ComfyUI 封裝器，可在視覺化節點工作流中生成帶有紋理的 3D 模型。

一系列增強多模態推理能力的視覺語言模型（VLM），支援原生函數呼叫、視覺定位與複雜文件理解。

一組提供文本與視覺語言理解方面最先進性能的大規模多模態 MoE 模型與開發工具包。

一套多模態大型語言模型與資料集，旨在提升影片理解中的空間推理與「空間超感知」能力。

AIMET 是 Qualcomm 的開源工具包，用於量化和壓縮 PyTorch/ONNX 模型，使其能夠在邊緣設備上以極小的精度損失實現快速、低記憶體的推理。

一個開源管線，使用 Stable Diffusion、gTTS 和 SadTalker 來為社群媒體創建並動畫化一致的虛擬 AI 網紅。

一個展示整合RTC、ASR、LLM與TTS的互動式AIGC流程的示範專案，支援即時語音AI互動。

一個在本地硬體上運行的私有、低延遲語音助理，使用語音辨識、LLM 和語音生成模型的堆疊。

Sympozium 是一個開源、Kubernetes 原生的平台，用於協調多智能體 AI 系統。它提供基於 CRD 的策略、共享 SQLite 記憶體、sidecar 隔離技能和可視化工作流程畫布，讓團隊在保持內建治理和可觀測性的同時大規模編排智能體。

Gamma-World 是一個生成式多智能體世界模型，可模擬多個獨立可控智能體共享的環境，支援 24 FPS 的即時互動式影片生成。

一個用於從文字或圖像生成高品質影片與圖像的擴散模型家族，提供 Pro 與 Lite 版本，具備強大的英語與俄語支援。

一個多模型 AI 框架，能從音訊頻譜圖生成完整功能的 osu! 譜面，並提供 AI 驅動的模組工具以偵測譜面不一致性。

SoniTranslate 是一個用於將影片翻譯成不同語言並同步音訊的網頁應用，將轉錄、翻譯與語音配音整合於一個介面中。

面向地球觀測的任意輸入輸出生成基礎模型，支援多模態空間資料生成與環境監測。