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.

请求收录

GitHub 项目

按推荐顺序展示的GitHub 项目。 共 322 个。

huggingface GitHub avatar

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。

多模态生成
35K+322022年5月31日
xuanyustudio GitHub avatar

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。

多模态生成
2.5K+752026年2月10日
bilibili GitHub avatar

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。

多模态生成
2.1K+752026年9月15日
xororz GitHub avatar

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。

多模态生成
4.1K+782025年1月25日
YouMind-OpenLab GitHub avatar

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。

多模态生成
10K+282026年4月16日
CookSleep GitHub avatar

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。

多模态生成
4.1K+432026年4月24日
Acly GitHub avatar

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。

多模态生成
11K+412023年9月2日
QwenAudio GitHub avatar

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。

多模态生成
3.3K+462026年7月27日
HeyChengC GitHub avatar

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。

多模态生成
750+752026年10月18日
GabrieleLozupone GitHub avatar

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。

多模态生成
442+1082026年10月9日
NVIDIA-NeMo GitHub avatar

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。

多模态生成
19K+322019年8月6日
yanliudesign GitHub avatar

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。

多模态生成
3.7K+382026年8月19日
andyhuo520 GitHub avatar

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。

多模态生成
714+792026年10月28日
serengil GitHub avatar

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。

多模态生成
24K+322020年2月9日
talsiach GitHub avatar

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。

多模态生成
368+1022026年10月13日
xixihhhh GitHub avatar

xixihhhh/clipforgeclipforge

TypeScript

AI 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。

多模态生成
1.3K+632026年3月23日
nexu-io GitHub avatar

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。

多模态生成
4.9K+322026年5月27日
Lightricks GitHub avatar

Lightricks/LTX-DesktopLTX-Desktop

Python

LTX 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。

多模态生成
2.3K+472026年3月5日
LykosAI GitHub avatar

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。

多模态生成
9.1K+352023年6月13日
Bingeljell GitHub avatar

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。

多模态生成
1.2K+482026年8月3日
islandmed GitHub avatar

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。

多模态生成
732+582026年10月21日
hgmzhn GitHub avatar

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。

多模态生成
3.3K+402025年8月31日
NeptuneHub GitHub avatar

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。

多模态生成
3.0K+442025年5月24日
alphacep GitHub avatar

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。

多模态生成
15K+302019年9月4日
veedstudio GitHub avatar

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。

多模态生成
1.8K+412026年7月22日
patch-gg GitHub avatar

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。

多模态生成
632+572026年10月27日
fendouai GitHub avatar

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。

多模态生成
330项目2026年11月11日
OpenMOSS GitHub avatar

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。

多模态生成
4.3K+272026年2月7日
jingyaogong GitHub avatar

jingyaogong/minimind-ominimind-o

Python

MiniMind-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。

多模态生成
2.7K+292026年5月1日
zyddnys GitHub avatar

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。

多模态生成
11K+312021年2月18日
zcbacxc GitHub avatar

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。

多模态生成
1.2K+372026年7月12日
mlfoundations GitHub avatar

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。

多模态生成
14K+192021年7月29日
kornia GitHub avatar

kornia/korniakornia

Python

Kornia 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。

多模态生成
12K+202018年8月22日
ant-research GitHub avatar

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。

多模态生成
1.5K+252026年8月10日
nexu-io GitHub avatar

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。

多模态生成
1.1K+352026年7月6日
HUANGCHIHHUNGLeo GitHub avatar

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。

多模态生成
2.3K+182026年6月30日
Sunghwan0112 GitHub avatar

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。

多模态生成
311项目2026年11月4日
JaidedAI GitHub avatar

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。

多模态生成
30K+152020年3月14日
sakalond GitHub avatar

sakalond/StableGenStableGen

Python

Blender 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。

多模态生成
1.7K+372025年5月15日
jordanrendric GitHub avatar

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。

多模态生成
1.5K+282026年4月1日
ChatCut-Inc GitHub avatar

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。

多模态生成
1.1K+312026年6月25日
0xS4N4TG GitHub avatar

0xS4N4TG/kinetographkinetograph

TypeScript

Agent 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。

多模态生成
535+372026年10月23日
Remocn GitHub avatar

Remocn/remocnremocn

TypeScript

Remotion 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。

多模态生成
1.8K项目2026年4月8日
mrsarac GitHub avatar

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。

多模态生成
634+302026年10月9日
deezer GitHub avatar

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。

多模态生成
29K+152019年9月26日
dmMaze GitHub avatar

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。

多模态生成
5.3K+252022年4月9日
mcmonkeyprojects GitHub avatar

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。

多模态生成
4.8K+222024年6月21日
NVlabs GitHub avatar

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。

多模态生成
3.9K+252024年6月27日

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。