GitHub 市场
GitHub 上值得关注的 AI 项目和 Skills
每天追踪 GitHub 上的 AI 开源项目和可直接安装的 Agent Skill,按类别、增长和更新时间整理,每周一出一期精选。
Skill install terminal example: run npx skills add vercel-labs/agent-skills, select Codex and install globally.
GitHub 项目
按推荐顺序展示的GitHub 项目。 共 332 个。
ttengwang/ Caption-AnythingCaption-Anything
Python可控图像描述工具 · ttengwang
可控图像描述工具
★ 1.8K多模态生成2023年8月更新
结合图像分割、视觉描述与 ChatGPT,可按用户偏好生成带多种控制条件的定制化图片说明。适合需要细粒度图像标注与描述的研究者和应用开发者。
omerbt/ TokenFlowTokenFlow
Python扩散视频编辑方法 · omerbt
扩散视频编辑方法
★ 1.7K多模态生成2025年2月更新
基于扩散模型特征实现视频的一致性编辑,提供 TokenFlow 的 PyTorch 官方实现;适合研究视频生成、编辑与时序一致性的计算机视觉开发者。
varunshenoy/ opendreamopendream
JavaScript扩散模型绘图界面 · varunshenoy
扩散模型绘图界面
★ 1.7K多模态生成2023年8月更新
面向 Stable Diffusion 等扩散模型的可扩展、便携式网页界面,方便用户配置并使用图像生成能力,适合希望通过浏览器管理生成流程的创作者。
ai-forever/ ru-dalleru-dalle
Jupyter Notebook俄语文本图像生成模型 · ai-forever
俄语文本图像生成模型
★ 1.6K多模态生成2023年1月更新
面向俄语的文本到图像生成模型,基于 PyTorch 与 Transformer 实现,适合需要俄语图像生成能力的研究者和开发者。
ssitu/ ComfyUI_UltimateSDUpscaleComfyUI_UltimateSDUpscale
Python图像放大节点 · ssitu
图像放大节点
★ 1.6K多模态生成6月22日更新
为 ComfyUI 提供 Ultimate SD Upscale 脚本对应的自定义节点,可将 Stable Diffusion 图像放大流程接入节点式工作流,适合使用 ComfyUI 制作和增强图像的用户。
TIGER-AI-Lab/ TheoremExplainAgentTheoremExplainAgent
Python定理讲解视频生成 Agent · TIGER-AI-Lab
定理讲解视频生成 Agent
★ 1.5K多模态生成2025年7月更新
ACL 2025 论文配套项目,用 LLM Agent 结合 Manim 自动生成讲解数学定理的视频,适合研究多模态解释与教学演示。
gyoridavid/ short-video-makershort-video-maker
TypeScript短视频生成工具 · gyoridavid
短视频生成工具
★ 1.5K+20 本周多模态生成2025年6月更新
通过 MCP 和 REST API 自动制作适用于 TikTok、Instagram Reels 与 YouTube Shorts 的短视频,适合需要把视频生成接入自动化流程或其他工具的创作者与开发者。
gabotechs/ MusicGPTMusicGPT
Rust本地音乐生成工具 · gabotechs
本地音乐生成工具
★ 1.5K多模态生成2025年2月更新
用 Rust 编写,通过本地运行的大语言模型把自然语言描述转成音乐,适合想在个人电脑上离线生成音乐、关注隐私与本地推理的开发者。
buaacyw/ GaussianEditorGaussianEditor
C++高斯泼溅三维编辑 · buaacyw
高斯泼溅三维编辑
★ 1.5K多模态生成2024年2月更新
CVPR 2024 论文配套实现,基于高斯泼溅实现快速可控的三维场景编辑,适合图形学研究者与三维内容创作者做场景修改实验。
ZHO-ZHO-ZHO/ ComfyUI-InstantIDComfyUI-InstantID
Python人像身份生成插件 · ZHO-ZHO-ZHO
人像身份生成插件
★ 1.4K多模态生成2024年5月更新
为 ComfyUI 提供 InstantID 的非官方实现,可将人物身份特征用于 Stable Diffusion 图像生成流程,适合使用节点式工作流制作保持人物相貌一致的图像。
m1guelpf/ yt-whisperyt-whisper
PythonYouTube 字幕生成器 · m1guelpf
YouTube 字幕生成器
★ 1.4K多模态生成2024年1月更新
调用 OpenAI Whisper 自动为 YouTube 视频生成字幕,适合需要批量转写视频音频的内容创作者与研究者。
lenML/ Speech-AI-ForgeSpeech-AI-Forge
Python语音合成工坊 · lenML
语音合成工坊
★ 1.4K多模态生成5月21日更新
围绕 TTS 生成模型构建的语音合成项目,提供 API 服务与 Gradio 网页界面,支持中英文与 SSML,适合需要自建语音合成服务的开发者。
fofr/ cog-face-to-manycog-face-to-many
Python人脸风格化生成 · fofr
人脸风格化生成
★ 1.4K多模态生成2024年4月更新
基于 Cog 的人脸转风格模型,可把任意人脸照片变成游戏角色、像素画、黏土动画、3D 或玩具风格,适合做头像与创意素材。
Suzie1/ ComfyUI_Comfyroll_CustomNodesComfyUI_Comfyroll_CustomNodes
Python扩散模型节点工具 · Suzie1
扩散模型节点工具
★ 1.4K+5 本周多模态生成2024年7月更新
为 ComfyUI 提供适用于 SDXL 和 SD1.5 的自定义节点,涵盖多重 ControlNet、LoRA、画幅比例与流程切换,适合搭建和扩展图像生成工作流。
bloc97/ CrossAttentionControlCrossAttentionControl
Jupyter Notebook扩散模型图像编辑工具 · bloc97
扩散模型图像编辑工具
★ 1.3K多模态生成2022年10月更新
基于 Stable Diffusion 实现交叉注意力控制,可按提示词对生成图像进行局部编辑,适合研究扩散模型和探索文本引导图像修改方法的开发者。
kabachuha/ sd-webui-text2videosd-webui-text2video
Python文本生成视频插件 · kabachuha
文本生成视频插件
★ 1.3K多模态生成2024年7月更新
为 AUTOMATIC1111 WebUI 提供文本生成视频扩展,可调用 ModelScope、VideoCrafter 等扩散模型生成视频,适合已有 Stable Diffusion WebUI 的创作者。
Uminosachi/ sd-webui-inpaint-anythingsd-webui-inpaint-anything
Python图像局部重绘扩展 · Uminosachi
图像局部重绘扩展
★ 1.3K+1 本周多模态生成2024年12月更新
为 Stable Diffusion 网页界面提供局部重绘能力,可借助 Segment Anything 生成的掩码指定修改区域,适合使用 SD WebUI 进行图像编辑与创作的用户。
s9roll7/ ebsynth_utilityebsynth_utility
Python视频风格转换工具 · s9roll7
视频风格转换工具
★ 1.3K多模态生成2023年10月更新
为 AUTOMATIC1111 Stable Diffusion WebUI 提供扩展,结合图生图与 EbSynth 创建视频。适合已有相关工作流、希望将静态图像风格延展到视频的创作者。
zhouxiaoka/ autoclip_mvpautoclip_mvp
PythonAI 视频高光剪辑工具 · zhouxiaoka
AI 视频高光剪辑工具
★ 1.3K+31 本周多模态生成2025年9月更新
用大模型自动识别长视频中的精彩片段并完成剪辑与二创,适合短视频创作者和内容运营快速产出高光集锦。
wfjsw/ danbooru-diffusion-prompt-builderdanbooru-diffusion-prompt-builder
TypeScript扩散模型提示词构建器 · wfjsw
扩散模型提示词构建器
★ 1.3K+3 本周多模态生成2024年2月更新
通过可搜索和组合的 Danbooru 标签构建 NovelAI、Stable Diffusion 等图像生成提示词,适合需要精细控制画面元素的创作者,并提供直观的标签编辑界面。
Fantasy-Studio/ Paint-by-ExamplePaint-by-Example
Python示例驱动图像编辑模型 · Fantasy-Studio
示例驱动图像编辑模型
★ 1.3K多模态生成2023年11月更新
基于扩散模型,通过参考示例图像对输入图片进行编辑与生成,适合计算机视觉研究者和图像生成开发者探索示例引导的图像修改方法。
declare-lab/ tangotango
Python文本生成音频扩散模型 · declare-lab
文本生成音频扩散模型
★ 1.2K多模态生成2025年7月更新
一套基于扩散模型的文本到音频生成模型家族,可根据文字描述合成语音、音效与音乐片段,适合音频生成研究与多模态应用开发。
benrugg/ AI-RenderAI-Render
PythonBlender图像生成插件 · benrugg
Blender图像生成插件
★ 1.2K+2 本周多模态生成2025年12月更新
将 Stable Diffusion 图像生成能力接入 Blender,供三维创作者在建模与设计流程中使用 AI 辅助生成图像内容;以 Blender 插件形式提供集成。
adrianhajdin/ project_ai_mern_image_generationproject_ai_mern_image_generation
JavaScriptMERN 图像生成应用 · adrianhajdin
MERN 图像生成应用
★ 1.2K多模态生成2023年10月更新
基于 MERN 全栈技术栈的 AI 图像生成应用教程项目,仿 MidJourney 与 DALL·E 的界面与流程,适合想学习如何搭建图像生成 Web 应用的开发者。
nv-tlabs/ LLaMA-MeshLLaMA-Mesh
PythonLLaMA 三维网格生成 · nv-tlabs
LLaMA 三维网格生成
★ 1.2K多模态生成2025年3月更新
把 3D 网格生成统一到语言模型中,让 LLM 直接理解和生成三维网格,适合研究多模态 3D 生成的研究者与开发者。
ChenyangQiQi/ FateZeroFateZero
Jupyter Notebook零样本文本视频编辑 · ChenyangQiQi
零样本文本视频编辑
★ 1.2K多模态生成2023年8月更新
基于注意力融合实现文本驱动的视频编辑,可在无需针对目标视频训练的情况下进行内容修改与风格迁移,适合研究视频生成和视觉编辑的开发者。
soulteary/ docker-prompt-generatordocker-prompt-generator
PythonAI绘图提示词工具 · soulteary
AI绘图提示词工具
★ 1.2K多模态生成2023年4月更新
使用模型生成适用于 MidJourney、Stable Diffusion 等绘图应用的提示词,帮助创作者更快整理图像描述并尝试不同的生成效果。
OpenGVLab/ VisionLLMVisionLLM
Python视觉通用大模型系列 · OpenGVLab
视觉通用大模型系列
★ 1.2K多模态生成2025年2月更新
OpenGVLab 推出的 VisionLLM 系列视觉大模型,面向目标检测等通用视觉任务,适合研究多模态视觉理解的研究者与开发者。
isekaidev/ stable.artstable.art
Vue图像生成插件 · isekaidev
图像生成插件
★ 1.1K多模态生成2023年8月更新
面向 Photoshop 的 Stable Diffusion 插件,可连接 Automatic1111 后端,在本地或 Google Colab 中生成和编辑图像,适合需要在设计工作流中使用 AI 绘图的创作者。
open-mmlab/ PowerPaintPowerPaint
Python多功能图像修补模型 · open-mmlab
多功能图像修补模型
★ 1.1K多模态生成8月15日更新
基于扩散模型的图像编辑工具,可通过文本或形状指引移除、插入物体并扩展画面。适合图像生成与编辑开发者,多个修补任务由同一模型支持。
storyicon/ comfyui_segment_anythingcomfyui_segment_anything
Python图像语义分割节点 · storyicon
图像语义分割节点
★ 1.1K+2 本周多模态生成2024年7月更新
为 ComfyUI 提供基于 GroundingDINO 与 SAM 的图像分割节点,可输入语义描述定位并分割图像元素。适合搭建 Stable Diffusion 视觉编辑工作流的创作者。
savbell/ whisper-writerwhisper-writer
PythonWhisper 语音听写工具 · savbell
Whisper 语音听写工具
★ 1.1K多模态生成2024年8月更新
基于 OpenAI Whisper 语音识别模型的小型听写应用,把口述内容实时转成文字输入,适合需要语音打字或记录灵感的用户。
ShareGPT4Omni/ ShareGPT4VideoShareGPT4Video
Python视频理解生成研究 · ShareGPT4Omni
视频理解生成研究
★ 1.1K多模态生成2024年10月更新
NeurIPS 2024 论文的官方实现,通过改进视频描述研究视频理解与生成效果,适合多模态研究者复现实验并探索文本与视频任务。
pkuliyi2015/ sd-webui-stablesrsd-webui-stablesr
PythonStable Diffusion图像放大插件 · pkuliyi2015
Stable Diffusion图像放大插件
★ 1.1K多模态生成2024年8月更新
面向 Stable Diffusion WebUI 的图像超分辨率插件,基于 StableSR 提升图片分辨率与细节,适合需要对生成图像进行高质量放大的用户。
WangRongsheng/ XrayGLMXrayGLM
Python中文胸片多模态医学模型 · WangRongsheng
中文胸片多模态医学模型
★ 1.1K多模态生成2024年11月更新
首个面向中文的胸部 X 光片多模态医学大模型,可对影像生成诊断摘要,适合医学影像研究与多模态模型开发者参考。
omerbt/ MultiDiffusionMultiDiffusion
Jupyter Notebook扩散图像生成模型 · omerbt
扩散图像生成模型
★ 1.1K多模态生成2023年9月更新
论文 MultiDiffusion 的官方 PyTorch 实现,通过融合扩散路径实现可控图像生成。适合研究扩散模型与文本生成图像技术的开发者和研究人员。
zai-org/ GLM-TTSGLM-TTS
PythonGLM 语音合成模型 · zai-org
GLM 语音合成模型
★ 1.1K多模态生成4月10日更新
支持零样本克隆、情感表达与可控风格的中文语音合成模型,采用多奖励强化学习训练,适合研究者和开发者做 TTS 应用与实验。
ototadana/ sd-face-editorsd-face-editor
Python扩散模型人脸编辑器 · ototadana
扩散模型人脸编辑器
★ 1.1K多模态生成2024年9月更新
为 Stable Diffusion WebUI 提供人脸编辑能力,适合需要调整生成图像中面部特征的创作者;项目聚焦于扩散模型图像编辑工作流。
InternRobotics/ PointLLMPointLLM
Python点云多模态大模型 · InternRobotics
点云多模态大模型
★ 1.1K+1 本周多模态生成5月15日更新
让大语言模型理解三维点云的多模态模型,支持点云描述与问答,适合研究 3D 视觉与多模态学习的研究者。
OpenBMB/ VisCPMVisCPM
Python中英双语多模态大模型 · OpenBMB
中英双语多模态大模型
★ 1.1K多模态生成2024年6月更新
基于 CPM 的中英双语多模态大模型系列,支持对话与图像生成,适合研究多模态大模型的中文开发者。
BAAI-DCAI/ BunnyBunny
Python轻量多模态模型 · BAAI-DCAI
轻量多模态模型
★ 1.1K多模态生成2024年11月更新
一系列轻量级多模态大模型,可处理图像与文本等信息,面向研究者和开发者探索视觉语言模型应用,支持中文和英文场景。
bravekingzhang/ text2videotext2video
Python文本转视频工具 · bravekingzhang
文本转视频工具
★ 1.1K多模态生成2024年4月更新
将文本内容转换为视频,结合 Edge TTS 语音合成与 Stable Diffusion 图像生成,适合希望快速制作讲解或短视频的创作者。
iamajmeena/ neonclippingneonclipping
Python本地短视频切片工具 · iamajmeena
本地短视频切片工具
★ 366多模态生成11月20日更新
粘贴视频链接即可在约两分钟内生成带字幕的 9:16 竖屏切片,基于本地语音识别与本地大模型,适合做短视频二创的内容创作者。
facebookresearch/ audiocraftaudiocraft
Jupyter Notebook音频生成工具库 · facebookresearch
音频生成工具库
★ 24K多模态生成3月4日更新
基于深度学习的音频处理与生成库,包含 EnCodec 音频压缩器和可用文本与旋律控制的 MusicGen 音乐生成模型,适合研究者和开发者做音乐与音频生成实验。
找不到你要的项目或 Skill?
告诉我们仓库地址和用途,帮助补充你希望收录的项目。
请求收录
接着逛逛 RZH.AI
模型和排行榜也按同样的方式整理好了,每个数字都能看到出处。