魔搭ModelScope

OmniHuman 是字节跳动推出的端到端多模态 AI 数字人生成框架。它能够仅凭 一张静态人物照片 与 音频（语音、音乐）‍，自动生成 逼真的全身视频，实现人物说话、唱歌、演奏乐器、手势交互等多种动作与表情同步。 OmniHuman官网入口网址：https://omnihuman-lab.github.io/ 关键特性多模态条件驱动：支持图像、音频、姿态等多种信号作为驱动条件，实现音频‑动作‑口型的高精度同步。基于 Diffusion‑Transformer（DiT）架构：将扩散模型与 Transformer 结合，采用 混合条件训练策略，在大规模多模态数据上进行端到端学习，突破了传统数字人模型对单一训练信息的依赖。全条件训练：通过“全条件”方式让模型从更广泛的数据中学习，提升了对不同风格（真人、动漫、3D 卡通）和不同图像比例（肖像、半身、全身）的适配能力。高质量输出：生成的视频在细节、光照、纹理上保持一致，能够精准捕捉音频情感并对应相应的肢体动作和表情，支持 15 秒一键生成，已在教育、影视、虚拟偶像等商业场景落地。开放 API（即梦AI 平台）‍：通过即梦AI 提供的 API，用户只需上传图片和音频，即可调用 OmniHuman 完成视频生成，降低了创作门槛。 技术亮点 多模态运动条件混合训练：在训练阶段同时引入文本、音频、姿态等多种驱动信号，提升模型对弱信号（如仅音频）的生成质量。支持任意宽高比输入：模型能够处理不同尺寸的图像，保持原有运动风格，适用于肖像、半身、全身等多种场景。跨模态生成能力：除了音频驱动，还可接受姿态或视频驱动，实现更灵活的动画创作。 应用场景 短视频创作：快速生成带口型同步的宣传或带货视频。虚拟主播/数字人：用于直播、教育培训中的虚拟形象。影视特效：为角色动画提供高效的动作与表情合成。游戏与动漫：将静态角色图像转化为动态演绎，提升互动体验。 OmniHuman 的应用场景能够显著降低制作成本、提升创作效率。OmniHuman 代表了 AI 数字人技术从“上半身动画”向“全身高保真视频”迈进的重要一步。

Gemini CLI 是一个开源的 AI 代理，旨在将 Gemini 模型的强大功能直接集成到终端中，为开发者提供高效、便捷的 AI 助手 。它支持代码生成、问题解决、深度研究和任务管理等多种功能，并且与 Google 的 AI 编程助手 Gemini Code Assist 共享底层技术 。 Gemini CLI官网入口网址：https://google-gemini.github.io/gemini-cli/Gemini CLI开源项目地址：https://github.com/google-gemini/gemini-cli Gemini CLI 的核心功能包括： 代码生成与编辑：支持在终端中直接提问、编写代码、解释错误和优化代码，还可处理非代码问题和图片分析 。多模态能力：支持多模态生成应用，如从 PDF 或草图快速生成应用程序原型 。自动化任务：支持自动化工作流、文件操作、代码编辑、网络请求等功能 。扩展性：支持 MCP 协议、自定义提示词、插件扩展，以及与 VS Code 的集成 。安全性与配置：提供沙箱执行环境、上下文文件管理、多环境适配等安全与配置功能 。 安装与使用方面，Gemini CLI 需要 Node.js 18 或更高版本，通过 npm 或 npx 安装，支持全局安装或命令行调用 。用户需登录 Google 账户或设置 API 密钥以获取 API 访问权限 。免费使用额度为每分钟 60 次、每日 1000 次，超出后可切换至 Gemini 2.5 Pro 模型 。 Gemini CLI 是一个功能强大且灵活的命令行工具，适合开发者在终端中高效地利用 AI 助手完成各种任务。

DeepTutor 是由香港大学数据智能实验室（HKU Data Intelligence Lab）开发的一款开源、AI 驱动的个性化学习助手，旨在通过多智能体系统与先进检索增强生成（RAG）技术，为用户提供深度、交互式、个性化的学习体验。 DeepTutor官网入口网址：https://hkuds.github.io/DeepTutor/DeepTutor开源项目地址：https://github.com/HKUDS/DeepTutor 其核心功能涵盖四大模块：大规模文档知识问答、交互式学习可视化、知识强化练习生成以及深度研究与创意生成。 用户可上传教材、论文或技术手册构建专属知识库，系统基于双循环推理架构（分析环 + 解答环）进行多步推理，并结合 RAG、网络搜索与代码执行工具，提供带精确引用的答案。 同时，DeepTutor 能将复杂概念转化为可视化 HTML 页面，支持上下文感知的智能问答，并根据学习进度自动生成定制化习题——甚至可模仿真实考卷风格出题。 在科研方面，其“深度研究”模块采用动态主题队列与三阶段流程（规划→研究→报告），自动开展跨源文献综述并输出结构化报告；“创意生成”模块则能从笔记中提炼知识点，激发创新研究思路。 系统采用前后端分离架构（FastAPI + Next.js），支持 CLI 与 Web 界面，所有学习记录与成果均持久化存储于本地，保障隐私与可控性。项目遵循 AGPL-3.0 开源协议，适合教育、科研及自主学习场景。

Unstract是一个无代码的大型语言模型（LLM）平台，旨在帮助用户通过简单的无代码方法启动API和ETL管道，以处理非结构化文档。该平台利用大型语言模型（LLM）的能力，超越了传统的RPA（机器人流程自动化）和IDP（智能文档处理）系统，实现机器到机器的自动化。 Unstract官网入口网址：https://unstract.com/Unstract开源项目地址：https://github.com/Zipstack/unstract Unstract的核心功能包括：通过PromptStudio工具高效开发文档数据提取提示，支持多种LLM和数据库集成，提供无代码界面和API部署能力，支持多种数据源接入和输出格式。用户可以通过三步流程自动化复杂文档处理：添加文档、配置项目、部署工作流。 该平台支持多种部署方式，包括开源版本、Python客户端、Docker部署等，适合不同技术背景的用户使用。Unstract还支持多种云存储和数据库连接，如AWSS3、Snowflake等，适用于金融、保险、医疗等多个行业。 Unstract是一个开源的无代码平台，旨在从各种文档和数据库中提取结构化数据，简化数据提取过程，提升工作效率。

txtai是一个AI驱动的语义搜索和数据处理框架，支持向量搜索、数据管道和工作流构建，是构建AI数据应用的全能工具。该平台持续优化模型能力与用户体验，不断扩展应用场景与功能边界，在同类AI产品中具备较强的技术实力和良好的发展前景，值得广大用户长期使用和持续关注。

Youtu-Agent 是腾讯优图实验室推出的一个开源智能体框架，旨在构建、运行和评估自主智能体。该框架基于 DeepSeek-V3 模型，支持多种模型 API 和工具集成，具备数据分析、文件处理和深度研究等能力。其灵活架构支持 YAML 配置和自动智能体生成，简化了开发流程 。 Youtu-Agent官网入口网址：https://tencentcloudadp.github.io/youtu-agent/Youtu-Agent开源项目地址：https://github.com/TencentCloudADP/youtu-agent Youtu-Agent 的核心优势在于其高性能和易用性。它能够自动检索相关学术资料，并将研究成果进行整合，生成结构化的文献综述，极大地加速了科研进程。在个人文件整理方面，它能智能识别并分类用户文档，自动进行重命名与归档，显著提升个人或团队的文件管理效率 。此外，Youtu-Agent 的自动化配置功能允许用户通过简单的 YAML 配置文件快速生成智能体，无需繁琐的手动设置 。 Youtu-Agent 的应用场景广泛，涵盖数据分析、文件管理、学术研究、内容生成和企业应用等多个领域。例如，在科研工作中，研究人员只需输入一篇 PDF 论文，Youtu-Agent 可以自动解析文档内容，抽取核心部分，调用搜索工具检索相关研究工作，并生成一份结构化的研究笔记，节省了整理和调研的时间 。此外，Youtu-Agent 在多个基准测试中表现出色，例如在 WebWalkerQA 和 GAIA 基准测试中分别达到 71.47% 和 72.8% 的准确率，显示出其在开放源代理框架中的领先地位 。 Youtu-Agent 的开源特性使其成为推动智能体生态发展的重要工具。它不仅降低了 AI 开发的门槛，还支持二次开发和定制化，适合不同规模的开发者和研究人员使用 。Youtu-Agent 的开源特性使其在实际应用中具有更高的灵活性和可扩展性，为 AI 技术的普及和创新提供了有力支持 。 Youtu-Agent 是一个功能强大、灵活且易于使用的开源智能体框架，适用于多种应用场景，是推动 AI 技术发展的重要工具。