OmacVM 是一个开源项目，让你在 Mac 上运行 Omarchy（一个类 macOS 的 Linux 发行版）虚拟机时，获得接近原生 macOS 的体验。它的核心价值在于解决 VM 运行 Linux 时的"割裂感"：Mac 的 WiFi、蓝牙、声音、键盘、触控板、显示器、Touch ID 等硬件能力可以通过 OmacVM Bridge 直接透传到虚拟机里…
仓库攻略
69 篇 · 69 个项目 · 多模态 · tom
PhotoCraft 是用纯 Rust 从零实现的开源 Adobe Photoshop 替代品，隶属于 ArtCraft 社区。与依赖 Electron/WebView 的方案不同，它使用 wgpu 作为 GPU 渲染后端，支持 Metal、Vulkan、DX12 和 WebGPU，覆盖 macOS、Windows、Linux、FreeBSD，并可通过 We…
oilui 是一个 AI 原生 UI 设计方法论框架，本质上是一套结构化设计流程（不是 Figma 插件，也不是代码库），通过一套明确的步骤让 AI Agent 生成高质量、可交付的网页或 App 界面设计。 它以 Claude Code Skill（或兼容 npx skills 的 Agent）的形式分发，安装后直接把设计任务交给 Agent，Agent …
BeefTV 是一款本地优先的轻量级 AI 原生视频创作工作台。它在一个自由画布上连接创意、模型与素材，支持从提示词或参考素材直接生成文字、图片、视频与音频，并允许用户对生成结果继续裁切、标注、局部重绘、拆分和组合迭代。 核心理念：AI 不是附加按钮，而是工作流的一部分。生成、参考与工具能力都长在画布上，结果写回后可继续编辑、可复用、可继续生成。 技术栈：桌…
PolymarketPerpetualBot 是一个面向 Polymarket 预测市场的终端交易机器人，基于 Polymarket 的 Polygon CLOB（Central Limit Order Book）API 构建。它以键盘驱动的 TUI（终端用户界面）呈现，集成了行情浏览、实时订单簿查看、策略引擎和持仓追踪四大模块，支持模拟交易（paper t…
BridgeClip 是一款开源 AI 视频剪辑桌面应用，由 BridgeMind 开发，核心场景是将播客、直播、YouTube/Twitch 录播自动剪辑成带字幕的短视频片段。它本质上是一条本地 AI 流水线：用 ytdlp 下载源视频或解析链接 → 调用 OpenRouter 上的转录模型生成时间轴字幕 → 调度 LLM 找出"最有传播力的时刻" → 用…
YuE2Studio 是 YuE2（MAP 团队开源歌曲模型）的桌面工作室。YuE2 是一个约 30 亿参数的音乐生成模型，输入歌词和风格描述，先写一份可编辑的乐谱（ABC 记谱法），再基于乐谱演唱为完整歌曲——含人声、伴奏、节拍结构（引子/主歌/副歌/桥段/尾奏）。 传统 AI 音乐工具生成后无法修改，YuE2Studio 的核心差异化在于乐谱先行、演出可…
doubaosay 是一款面向 Linux（Hyprland/Wayland 和原生 X11） 的独立语音输入应用，基于 GTK4 构建，默认使用豆包网页账号识别（免费），也可切换到火山引擎官方 Seed ASR 2.0 API（按量付费）。核心功能是让你在任意 Linux 应用里用快捷键触发语音输入，识别结果自动粘贴或直接打字进目标窗口。 它不是一个 AI…
DLSS5NeuralScreen 将 NVIDIA DLSS 5 神经渲染技术应用到整个 Windows 桌面，实时提升所有画面质量。游戏、视频、图片、文档——屏幕上的一切都经过和 DLSS 5 游戏相同的神经网络处理后输出，实现全局画面增强。项目基于泄露的 NVIDIA 310.8.0 运行时（sm_75/86/89/120 内核，支持 RTX 2050…
pierrenade/shortvideogeneratorAI 是一个将 YouTube 视频或本地视频自动转化为竖屏短视频（Shorts / Reels）的开源工具，主打免费、无水印、AI 驱动的精彩片段提取 + 字幕 + 配音全流程一条龙。 它的核心链路是：输入 YouTube 链接（或本地视频）→ fasterwhisper 字幕提取 → LLM 识…
PyGPT 是一个开源桌面 AI 助手，用 Python 开发，支持 Linux / Windows 1011 / Mac 三平台。它的工作方式类似 ChatGPT，但完全离线运行在你自己电脑上——API 密钥你自己管，数据不经过任何第三方服务器。 当前版本 2.8.6（build 20260903），支持从 GPT5、GPT4、o1/o3/o4，到 Goo…
course2md 是一个将 YouTube、Bilibili 或本地视频（网课、录屏、会议录像）转换为带截图的图文 Markdown / HTML 讲义的命令行工具。核心流程：下载视频 → 按画面变化采样关键帧截图 → 语音识别转文字 → 自动对齐文字与截图 → 输出结构化笔记。最新版本 v0.7.0（2026） 新增断点续传与 LLM 字幕润色功能。 看…
「早耳」（hayamimi，日语"快耳"之意）是一个纯 CPU 运行的实时多语言语音转文字工具，主打"开口即出字幕"的极低延迟体验。核心设计理念是：不用 GPU、不用云端 API、一台普通电脑 + 2GB 内存就能跑。 它不依赖 Whisper 单一模型打天下，而是通过 sherpaonnx 调度一个包含 5 条路由的多模型 специалист 体系——每…
gongminmin/awesomeaigc 是一个 AIGC（AI Generated Content）技术分类索引库，按模态（文本→图像→视频→3D→语音→音乐）和任务类型对主流 AIGC 项目进行结构化整理。每个条目标注 TRL（Technology Readiness Level，技术成熟度等级），参考 NASA TRL 标准，从 1（基础原理）到 …
Melodisco 是一款开源的 AI 音乐播放器，由独立开发者 idoubi 构建，所属组织 allinaigc。与传统音乐播放器不同，Melodisco 的核心能力是探索和播放 AI 生成的音轨，并提供音乐生成功能（通过 Suno 合作/集成），帮助用户在 AI 音乐快速崛起的大背景下发现和体验 AI 生成的音乐内容。 该项目托管于 GitHub（Sta…
ComfyUIOpenClaw 是 ComfyUI 的安全优先编排层，将 ComfyUI 从纯生成工具升级为可自动化、可管控的生产级 AI 工厂。核心思路是：在不修改 ComfyUI 本身的前提下，通过自定义节点 + 嵌入式 HTTP API + 独立管理控制台，把 ComfyUI 变成一个可靠的自动化目标。 项目自称"安全第一"，体现在：RBAC 权限控制…
DSH Deep Whale 是 DeepSeek Harness（DSH）Web GUI 的鲸鱼娘系列主题皮肤仓库，由两个独立皮肤包（maidatelier / orcalink）和一个皮肤管理器组成，采用 CC BYNCSA 4.0 许可证开源发布。适合 DeepSeek Harness 用户个性化定制界面。 注意：这是主题皮肤，不是功能插件，不影响 D…
内容待复核
hitcslj/Awesome-AIGC-3D · 上手攻略
这是一份由香港科技大学（HKUST）团队维护的 AIGC 3D 论文精选列表，当前版本（v2.0，202604）已升级为一份生产导向的 3D 生成综述，通过二维分类法系统整理了从数据基座到场景组装的完整 3D AIGC 论文图谱。 核心定位：不是代码仓库，而是一份持续更新的 living survey，帮你快速定位某个子领域（如"文本生成角色骨骼绑定"或"世…
内容待复核
Kobaayyy/Awesome-CVPR2026-CVPR2025-ICCV2025-CVPR2024-ECCV2026-ECCV2024-AIGC · 上手攻略
这是一个 GitHub Awesome 类仓库，整理汇总 CVPR 2024–2026、ICCV 2025、ECCV 2024 和 2026 六大视觉顶会中与 AIGC（AIGenerated Content）相关的论文和代码，按任务类型分类组织。涵盖图像生成、图像编辑、视频生成、视频编辑、3D 生成、3D 编辑和多模态大语言模型七大方向，是跟踪 AIGC …
allinaigc/aiwallpaper 是一个开源 AI 壁纸生成 Web 应用，用户输入文字描述即可生成定制壁纸。核心技术基于扩散模型（推测为 OpenAI DALLE 或 GPT Image API），产品层面是一套完整的 SaaS 前后端架构，集成了用户认证、支付、对象存储和数据库，适合作为"AI 生成式 Web 应用"的参考样板。 官方在线演示：…
OCR It 是一款 Chrome / Firefox 浏览器扩展，解决一个具体问题：无法选文字的扫描文档、PDF 阅读器、幻灯片网页，用一次快捷键把页面截图 OCR 成文本。它的核心特性是本地离线 OCR——内置 Tesseract 引擎，截图片段完全在本地处理，扩展本身不发出任何网络请求，不调用任何云端 API。适合扫了整本纸质书或 PDF 后想提取全文…
Tailor（中文名：泰勒）是一款本地运行的 AI 视频处理桌面工具，涵盖视频智能裁剪、视频生成和视频优化三大类共 10 种功能。核心特点是点点鼠标即可完成专业级剪辑，无需复杂的命令行操作，特别适合中文用户和短视频创作者。 ⚠️ 平台限制：目前仅支持 Windows。macOS 和 Linux 用户需通过虚拟机或双系统运行。最新版本为 20240807，功能…
imagetolatex 是一个将数学公式图像转换为 LaTeX 代码的深度学习项目，使用 ResNet18 作为图像编码器、Transformer 作为解码器，在 im2latex100k 数据集上训练，测试集字符错误率（CER）约为 0.17。项目为独立研究者作品，没有商业依赖，适合学术写作者、科研人员和教育场景快速将印刷或手写的数学公式转为可编辑 La…
EasyAnimate 是阿里巴巴 PAI 团队开源的端到端视频生成 Pipeline，基于 Diffusion Transformer（DiT）架构，支持文生视频、图生视频、视频生视频及多种控制条件（姿态/Canny/深度/相机轨迹）。最新版本 V5.1 提供 7B 和 12B 两种规模，支持中英文双语提示词，是目前开源生态中支持控制类型最丰富的视频生成方…
aicover 是一个用 Next.js 构建的全栈 Web 应用，通过 AI 生成微信红包封面图片。用户在应用中输入文字描述，系统自动生成符合微信红包封面规范的精美图片，可直接用于微信红包发放。 微信红包封面是微信在节假日（尤其春节期间）推出的定制化功能，个人和企业均可申请制作。由于微信对封面图片有尺寸、格式、内容合规等严格要求，从零设计门槛较高。aico…
VideoXFun 是阿里巴巴 PAI 团队开源的端到端 AI 视频生成流水线，基于 Diffusion Transformer（DiT）架构，支持文生视频（T2V）、图生视频（I2V）、视频生视频（V2V）、控制视频生成（ControlNet 类）以及 LoRA 微调训练。项目同时支持 CogVideoXFun 系列和 Wan2.1Fun 系列模型，覆盖从…
LearnPrompt 是一个永久免费开源的中文 AI 学习教程仓库，由 B站 up 主"卡尔的AI沃茨"（GitHub @LearnPrompt）维护。它起步于 2023 年的 AIGC 工具教程（ChatGPT、Midjourney、Stable Diffusion），如今已演化为一套面向真实工作场景的 AI Native 教程体系，涵盖 Claude …
SSL4MIS（Semi Supervised Learning for Medical Image Segmentation）是一个医学影像分割领域的半监督学习论文与代码汇总仓库，由 HiLab 团队维护。它不是一个可以直接跑起来的框架或工具，而是一个持续更新的文献 + 代码索引库——追踪这个领域从 2019 年至今几乎所有重要的论文及其官方实现。 每一项…
EasyPhoto 是一个 Stable Diffusion WebUI 插件，用于生成 AI 人像写真——上传 5~20 张个人照片训练专属的"数字分身"（LoRA 模型），之后即可用这个分身在任意场景下生成写真图片。 核心能力： 由阿里巴巴 PAI（Platform for AI）团队开发维护，开源于 2023 年，配套有论文（arXiv:2310.04…
IndexTTS 是阿里巴巴 Index 团队开源的零样本（ZeroShot）语音克隆系统，用一段参考音频（10~30秒）即可复刻任意人的音色，生成对应文本的语音。当前稳定版为 IndexTTS2.5（2026年8月10日发布），支持中文、英语、日语、西班牙语、阿拉伯语五种语言，并在多语言跨音色任务上达到了开源 SOTA 水平。 核心能力： IndexTTS…