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 322 个。
huggingface/ diffusersdiffusers
Python扩散模型生成库 · huggingface
扩散模型生成库
★ 35K+32 本周多模态生成11月19日更新
基于 PyTorch 提供图像、视频与音频扩散模型的生成工具,涵盖文本生成图像、图像转换等任务,适合研究人员和开发者构建生成式多媒体应用。
xuanyustudio/ LocalMiniDramaLocalMiniDrama
JavaScript本地 AI 短剧生成工具 · xuanyustudio
本地 AI 短剧生成工具
★ 2.5K+75 本周多模态生成11月17日更新
从故事、分镜到成片一站式生成 AI 短剧与漫剧,全程本地运行、数据不出本机,适合想低成本制作短视频内容的创作者。
bilibili/ Index-TranslateIndex-Translate
Python多模态翻译模型 · bilibili
多模态翻译模型
★ 2.1K+75 本周多模态生成11月16日更新
面向机器翻译任务的多语言、多模态模型系列,可用于研究和构建跨语言翻译应用;项目聚焦模型能力,适合机器学习与自然语言处理开发者使用。
xororz/ local-dreamlocal-dream
Kotlin安卓图像生成工具 · xororz
安卓图像生成工具
★ 4.1K+78 本周多模态生成11月1日更新
在安卓设备上运行 Stable Diffusion,利用骁龙 NPU 加速,也支持 CPU 和 GPU 推理。适合希望在手机本地进行文生图、图生图或图像修复的用户。
YouMind-OpenLab/ awesome-gpt-image-2awesome-gpt-image-2
TypeScript图像生成提示词库 · YouMind-OpenLab
图像生成提示词库
★ 10K+28 本周多模态生成11月19日更新
汇集并每日更新两千余条 GPT Image 2 图像生成提示词,配有预览图并支持多种语言,适合寻找灵感或学习提示词写法的创作者。
CookSleep/ gpt_image_playgroundgpt_image_playground
TypeScript多模型图片生成工作台 · CookSleep
多模型图片生成工作台
★ 4.1K+43 本周多模态生成11月17日更新
基于 React 的图片生成与编辑界面,支持 GPT Image、Gemini、Grok、Seedream 等多个模型,适合需要对比和批量出图的创作者与开发者。
Acly/ krita-ai-diffusionkrita-ai-diffusion
Python绘画AI生成插件 · Acly
绘画AI生成插件
★ 11K+41 本周多模态生成11月6日更新
为 Krita 提供简化的 AI 图像生成界面,支持通过文字提示生成图像,以及局部重绘和扩图,适合希望在绘画软件中直接使用 Stable Diffusion 的创作者。
QwenAudio/ qwen-audio-agentqwen-audio-agent
JavaScript实时语音智能体运行时 · QwenAudio
实时语音智能体运行时
★ 3.3K+46 本周多模态生成11月18日更新
为 AI 智能体提供实时语音运行时,让 Agent 能持续对话、执行任务并保持在场,适合构建语音助手和语音编程工具的开发者。
HeyChengC/ wallstreet-explainerwallstreet-explainer
JavaScript财经短片制作技能 · HeyChengC
财经短片制作技能
★ 750+75 本周多模态生成11月5日更新
一套用于制作华尔街风格财经科技解读短片的 Agent Skill,涵盖风格设计、素材查找、截图、配音、渲染与混音工具,适合内容创作者快速产出短视频。
GabrieleLozupone/ kokonkokon
Rust本地AI图像编辑器 · GabrieleLozupone
本地AI图像编辑器
★ 442+108 本周多模态生成11月16日更新
可在自有 GPU 上通过文字指令编辑照片的开源桌面工具,支持 Windows、macOS 和 Linux,并提供 MCP 服务接入 AI Agent;注重本地处理与隐私保护。
NVIDIA-NeMo/ SpeechSpeech
Python语音生成框架 · NVIDIA-NeMo
语音生成框架
★ 19K+32 本周多模态生成11月19日更新
面向研究人员与开发者的可扩展生成式 AI 框架,覆盖大语言模型、多模态与语音任务,支持自动语音识别、文本转语音及说话人相关处理。
yanliudesign/ mono-color-skillmono-color-skill
Python单色编辑设计技能 · yanliudesign
单色编辑设计技能
★ 3.7K+38 本周多模态生成9月3日更新
面向图像生成 Agent 的编辑设计技能,围绕单色印刷、暖纸张、半色调摄影、留白与克制排版,适合制作海报、杂志和视觉内容。
andyhuo520/ vibe-knowledgevibe-knowledge
JavaScript知识短片生成技能 · andyhuo520
知识短片生成技能
★ 714+79 本周多模态生成10月28日更新
把一个知识点做成有旁白、每句标注出处的精品知识短片,内置 44 套风格,代码逐帧渲染成片。适合做科普短视频的内容创作者。
serengil/ deepfacedeepface
Python人脸识别分析库 · serengil
人脸识别分析库
★ 24K+32 本周多模态生成11月17日更新
面向 Python 开发者的人脸识别与面部属性分析库,可识别年龄、性别和情绪等属性,并封装多种常见人脸识别模型,便于集成到计算机视觉应用中。
talsiach/ take-onetake-one
HTML一句话生成宣传视频 · talsiach
一句话生成宣传视频
★ 368+102 本周多模态生成11月9日更新
Claude Code 技能,用一句话生成发布视频、广告和音乐视频,自动完成创意、脚本、画面、配音、配乐与剪辑,并支持按反馈反复修改。
xixihhhh/ clipforgeclipforge
TypeScriptAI 带货短视频生成器 · xixihhhh
AI 带货短视频生成器
★ 1.3K+63 本周多模态生成10月26日更新
上传商品图即可自动提炼卖点、写种草脚本并配上画面、配音和字幕,一键生成抖音、快手、小红书等平台的带货短视频,支持本地部署。
nexu-io/ html-videohtml-video
HTML网页转视频工具 · nexu-io
网页转视频工具
★ 4.9K+32 本周多模态生成11月17日更新
将 HTML、CSS 和数据转换为 MP4,可通过可插拔渲染引擎和 21 种模板制作视频,并支持 AI 配乐。适合希望用代码生成视频的开发者及编程 Agent。
Lightricks/ LTX-DesktopLTX-Desktop
PythonLTX 视频生成桌面版 · Lightricks
LTX 视频生成桌面版
★ 2.3K+47 本周多模态生成11月11日更新
基于 LTX 模型的本地视频生成桌面应用,支持非线性编辑,适合想在个人电脑上直接创作和剪辑 AI 视频的用户。
LykosAI/ StabilityMatrixStabilityMatrix
C#扩散模型管理器 · LykosAI
扩散模型管理器
★ 9.1K+35 本周多模态生成11月17日更新
面向 Stable Diffusion 用户的跨平台包管理工具,可管理图像生成相关程序与环境,适合需要安装、切换和维护多种扩散模型工作流的创作者。
Bingeljell/ image-to-3dlabimage-to-3dlab
Python图生 3D 游戏资产管线 · Bingeljell
图生 3D 游戏资产管线
★ 1.2K+48 本周多模态生成11月18日更新
开源图像转 3D 资产流水线,输入提示词或图片即可在本地生成带贴图、骨骼与动画的游戏角色,支持 Apple Silicon 与 NVIDIA,适合独立游戏开发者和 3D 美术。
islandmed/ SculptForgeSculptForge
C++开源 3D 雕刻工具 · islandmed
开源 3D 雕刻工具
★ 732+58 本周多模态生成11月19日更新
跨平台免费开源 3D 雕刻软件,支持高密度网格、重拓扑、贴图绘制,内置图生 3D 与文生 3D,可导出 Unreal 与游戏级 LOD,适合建模与游戏美术。
hgmzhn/ manga-translator-uimanga-translator-ui
Python漫画 AI 翻译桌面工具 · hgmzhn
漫画 AI 翻译桌面工具
★ 3.3K+40 本周多模态生成10月28日更新
开源漫画翻译桌面工具,支持日韩英漫画自动处理,串联 OCR 检测、原文擦除、AI 翻译、图像修复与译文排版全流程,内置可视化编辑器,适合汉化爱好者一键使用。
NeptuneHub/ AudioMuse-AIAudioMuse-AI
Python音乐库智能播放列表 · NeptuneHub
音乐库智能播放列表
★ 3.0K+44 本周多模态生成11月19日更新
通过音频声学分析为 Navidrome、Jellyfin、Emby、Plex 等音乐库生成智能播放列表,无需元数据或外部服务,适合想重新发现收藏歌曲的自建音乐用户。
alphacep/ vosk-apivosk-api
Jupyter Notebook离线语音识别工具 · alphacep
离线语音识别工具
★ 15K+30 本周多模态生成10月15日更新
跨平台离线语音识别 API,支持 Android、iOS、树莓派和服务器,提供 Python、Java、C#、Node 等语言绑定,适合需要在本地做语音转文字且不想依赖云服务的开发者。
veedstudio/ open-editopen-edit
TypeScript开源智能视频剪辑 · veedstudio
开源智能视频剪辑
★ 1.8K+41 本周多模态生成11月11日更新
由 Agent 驱动的开源视频剪辑流水线,可自动生成字幕、动态图形和幻灯片并完成剪辑渲染,适合内容创作者与视频自动化场景。
patch-gg/ anymoveanymove
Python单视频动作捕捉工具 · patch-gg
单视频动作捕捉工具
★ 632+57 本周多模态生成11月13日更新
从一段 AI 视频中为任意角色提取动作捕捉数据,用双视角与 DINOv2 关节识别拟合骨骼并导出 GLB,适合游戏与动画创作者。
fendouai/ ViralForgeViralForge
TypeScript爆款短视频生成工作台 · fendouai
爆款短视频生成工作台
★ 330多模态生成11月18日更新
Agent 原生的短视频创作工具,可一键复刻爆款视频、拆解钩子与脚本生成 Viral DNA 报告,并产出多个带成本估算的变体,适合短视频运营者。
OpenMOSS/ MOSS-TTSMOSS-TTS
Python开源语音合成模型 · OpenMOSS
开源语音合成模型
★ 4.3K+27 本周多模态生成9月6日更新
开源语音合成模型家族,支持长文本朗读、对话合成、音色设计与音效生成,并提供实时流式 TTS,适合做配音、有声内容和语音交互的开发者。
jingyaogong/ minimind-ominimind-o
PythonMiniMind-O 全模态小模型 · jingyaogong
MiniMind-O 全模态小模型
★ 2.7K+29 本周多模态生成10月27日更新
从零训练的 0.1B 全模态模型,能听、能说、能看,适合想低成本学习多模态模型训练与推理的开发者动手实践。
zyddnys/ manga-image-translatormanga-image-translator
Python漫画图片翻译工具 · zyddnys
漫画图片翻译工具
★ 11K+31 本周多模态生成11月18日更新
自动识别图片中的文字并翻译,主打漫画、日漫等场景,集 OCR、文本检测与机器翻译于一体,适合需要批量翻译图片文字的用户。
zcbacxc/ movie-narratormovie-narrator
Python电影解说视频生成器 · zcbacxc
电影解说视频生成器
★ 1.2K+37 本周多模态生成9月16日更新
输入一句提示词即可自动生成带旁白的电影解说视频,整合大模型脚本、TTS 配音与 FFmpeg 剪辑,适合做短视频内容创作。
mlfoundations/ open_clipopen_clip
Python开源 CLIP 实现 · mlfoundations
开源 CLIP 实现
★ 14K+19 本周多模态生成11月17日更新
OpenAI CLIP 的开源复现,提供图文对比学习训练与多种预训练模型,适合做多模态检索、零样本分类和视觉语言研究的开发者。
kornia/ korniakornia
PythonKornia 几何视觉库 · kornia
Kornia 几何视觉库
★ 12K+20 本周多模态生成11月18日更新
基于 PyTorch 的可微几何计算机视觉库,提供图像处理、相机模型与空间 AI 相关算子,适合机器人与视觉方向的研究和工程开发。
ant-research/ 4DAnyone4DAnyone
Python单目视频生成 4D 人物 · ant-research
单目视频生成 4D 人物
★ 1.5K+25 本周多模态生成11月17日更新
SIGGRAPH Asia 2026 论文项目,可从一段普通单目视频重建可驱动的 4D 人物,基于 4D 高斯泼溅与生成模型,适合三维重建与视频生成方向的研究者。
nexu-io/ motion-anythingmotion-anything
JavaScript对话式动效引擎 · nexu-io
对话式动效引擎
★ 1.1K+35 本周多模态生成11月17日更新
开源的聊天原生动效引擎,用自然语言描述想要的感觉,AI 即可生成 WebGL 动画,适合设计师和前端开发者快速产出动效。
HUANGCHIHHUNGLeo/ claude-real-videoclaude-real-video
Python本地视频理解工具 · HUANGCHIHHUNGLeo
本地视频理解工具
★ 2.3K+18 本周多模态生成10月23日更新
从在线视频链接或本地文件提取去重关键帧并结合语音转录,让大模型按场景理解视频内容。适合需要用 Claude 或其他 LLM 分析视频的用户,处理过程可在本地运行。
Sunghwan0112/ spritecastspritecast
Python游戏精灵图生成插件 · Sunghwan0112
游戏精灵图生成插件
★ 311多模态生成11月18日更新
Claude Code 插件,按游戏实际镜头角度和美术风格生成道具、八方向行走角色与坐姿精灵图,适合独立游戏开发者快速产出素材。
JaidedAI/ EasyOCREasyOCR
Python多语言文字识别工具 · JaidedAI
多语言文字识别工具
★ 30K+15 本周多模态生成11月13日更新
开箱即用的 OCR 工具,支持 80 多种语言和多种文字体系,可识别图像中的文字,适合需要多语言文档或场景文字识别的开发者。
sakalond/ StableGenStableGen
PythonBlender 生成式贴图插件 · sakalond
Blender 生成式贴图插件
★ 1.7K+37 本周多模态生成11月5日更新
在 Blender 内直接调用生成式 AI 完成 3D 贴图与纹理制作,集成 Stable Diffusion、ControlNet 等模型,适合 3D 美术与游戏资产创作者。
jordanrendric/ claude-video-visionclaude-video-vision
TypeScript视频理解插件 · jordanrendric
视频理解插件
★ 1.5K+28 本周多模态生成10月15日更新
为 Claude Code 增加视频理解能力,通过抽取视频帧并结合多模态音频分析处理视频内容,适合在编码工作流中分析视频素材的开发者。
ChatCut-Inc/ agent-pluginagent-plugin
JavaScript对话式视频剪辑插件 · ChatCut-Inc
对话式视频剪辑插件
★ 1.1K+31 本周多模态生成11月18日更新
面向 AI Agent 的视频剪辑插件与 MCP 服务器,可在 Codex、Claude Code、Cursor 等工具中通过对话剪辑素材、加字幕、去停顿词、做动效并导出可编辑时间线,适合内容创作者。
0xS4N4TG/ kinetographkinetograph
TypeScriptAgent 视频生成引擎 · 0xS4N4TG
Agent 视频生成引擎
★ 535+37 本周多模态生成11月19日更新
为 Agent 打造的高速程序化视频引擎,结合 Rust、Skia、FFmpeg 与 React 生成动态图形,并提供 MCP 接口,适合自动化批量产出视频内容。
Remocn/ remocnremocn
TypeScriptRemotion 动效组件库 · Remocn
Remotion 动效组件库
★ 1.8K多模态生成11月19日更新
为 Remotion 提供可直接用于生产的动画、转场、背景与场景组件,并附带 MCP 服务,方便 AI 编码助手生成产品演示视频。适合用 React 做程序化视频的前端与动效开发者。
mrsarac/ ff-trackingff-tracking
Rust生成式视频追踪器 · mrsarac
生成式视频追踪器
★ 634+30 本周多模态生成10月22日更新
用虚拟摄像机拍摄 AI Agent 屏幕,并通过字形追踪与着色器生成动态影像和 HUD 效果,适合 Rust、Skia 与生成式动效开发者探索实时视觉呈现。
deezer/ spleeterspleeter
Python音频人声分离工具 · deezer
音频人声分离工具
★ 29K+15 本周多模态生成10月28日更新
基于预训练深度学习模型,将音乐拆分为人声、鼓、贝斯等独立音轨,适合音乐制作、音频分析和素材处理等场景。
dmMaze/ BallonsTranslatorBallonsTranslator
Python漫画翻译辅助工具 · dmMaze
漫画翻译辅助工具
★ 5.3K+25 本周多模态生成11月18日更新
基于深度学习的漫画翻译工具,集成 OCR、文本检测、图像修复与自动翻译,支持一键机翻和图文编辑,适合个人汉化与漫画阅读者。
mcmonkeyprojects/ SwarmUISwarmUI
C#Stable Diffusion界面 · mcmonkeyprojects
Stable Diffusion界面
★ 4.8K+22 本周多模态生成11月13日更新
面向 Stable Diffusion 的模块化图像生成 Web 界面,强调高性能、可扩展性和便捷使用高级功能,适合本地运行模型并管理图像生成工作流的创作者。
NVlabs/ EagleEagle
Python视觉语言模型 · NVlabs
视觉语言模型
★ 3.9K+25 本周多模态生成11月7日更新
Eagle 是一系列视觉语言模型,探索以数据为中心的策略来提升模型能力,适合研究多模态大模型的开发者与研究人员。
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。