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。
apekshik/ anysceneanyscene
PythonAI 生成三维场景 · apekshik
AI 生成三维场景
★ 395+33 本周多模态生成11月4日更新
根据一段文字描述,由 AI Agent 自动生成写实风格 Blender 场景:调用 fal 把图像转成 3D 道具,再脚本化完成布局、灯光、相机与调色。适合做概念场景和快速出图的创作者。
Inkloom-art/ inkloominkloom
TypeScriptAI 标志设计引擎 · Inkloom-art
AI 标志设计引擎
★ 3.2K多模态生成11月10日更新
面向品牌标志设计的专用 AI 模型组合,先用品牌分析模型把业务转成约束,再由字体与符号模型生成标识,并输出规范排版与留白规则,适合设计团队早期试用。
antvis/ InfographicInfographic
TypeScriptAI 信息图生成框架 · antvis
AI 信息图生成框架
★ 7.1K多模态生成10月20日更新
AntV 出品的信息图生成与渲染框架,借助大模型把文字描述转成可视化信息图,适合做数据故事与内容展示的前端开发者。
llmsresearch/ paperbananapaperbanana
Python学术图表自动生成 · llmsresearch
学术图表自动生成
★ 2.5K+14 本周多模态生成9月17日更新
复现并扩展 Google 的 PaperBanana,用多 Agent 与大模型自动生成论文插图、示意图和幻灯片,适合科研人员制作学术视觉素材。
ZeroLu/ awesome-seedanceawesome-seedance
ShellSeedance 提示词合集 · ZeroLu
Seedance 提示词合集
★ 2.9K+12 本周多模态生成11月19日更新
收集 Seedance 2.0 高清视频生成提示词与使用指南,覆盖电影、动漫、UGC、广告等场景,适合想上手 AI 视频生成的创作者。
zai-org/ GLM-OCRGLM-OCR
PythonGLM 文字识别模型 · zai-org
GLM 文字识别模型
★ 7.6K多模态生成10月14日更新
智谱推出的 OCR 模型,主打准确、快速、全面的图片转文字能力,适合需要文档识别与图像文字提取的开发者集成使用。
liyupi/ ai-promo-video-makerai-promo-video-maker
PythonAI 产品宣传片生成器 · liyupi
AI 产品宣传片生成器
★ 487+22 本周多模态生成10月9日更新
告诉 Cursor、Claude Code 等编程 Agent 产品名或网址,它自动调研产品、出风格样图、截 4K 页面、卡点剪辑并生成旁白,交付商业宣传片,适合独立开发者与开源项目推广。
helloianneo/ ian-handdrawn-pptian-handdrawn-ppt
手绘风 PPT 生成技能 · helloianneo
手绘风 PPT 生成技能
★ 1.5K+14 本周多模态生成10月27日更新
面向中文场景的手绘风格技术 PPT 整页图像生成技能,支持 21:9 封面与 16:9 正文配图并直接输出 PNG,适合用 AI 快速做演示文稿的人。
anteloc/ ldraw-novaldraw-nova
Python生成式乐高建模工具 · anteloc
生成式乐高建模工具
★ 561+18 本周多模态生成11月18日更新
面向乐高数字模型创作的 Agent 工具,可将生成式建模与 LDraw、Blender 等工作流结合,帮助创作者制作并探索三维积木模型,也涉及虚拟现实场景。
modelscope/ FunClipFunClip
Python视频转写与智能剪辑 · modelscope
视频转写与智能剪辑
★ 6.6K多模态生成11月1日更新
基于 FunASR 的视频转写、字幕生成与 LLM 辅助剪辑工具,带本地 Gradio 界面,适合内容创作者快速处理视频。
denizsafak/ abogenabogen
Python有声书生成工具 · denizsafak
有声书生成工具
★ 6.2K多模态生成11月2日更新
把 EPUB、PDF 和纯文本转成带同步字幕的有声书,基于 Kokoro 语音合成,适合内容创作者批量制作音频。
jipraks/ yt-short-clipperyt-short-clipper
TypeScriptYouTube 短视频剪辑器 · jipraks
YouTube 短视频剪辑器
★ 1.1K+19 本周多模态生成9月20日更新
Windows 桌面应用,把长视频自动剪成 9:16 竖屏短片,支持 AI 高光识别、人脸跟踪重构和逐词字幕,适合短视频创作者。
BIT-DataLab/ Edit-BananaEdit-Banana
Python统计图表可编辑转换 · BIT-DataLab
统计图表可编辑转换
★ 5.5K多模态生成11月17日更新
把统计图表等格式转换成可编辑内容的开源框架,结合大模型能力处理图形数据,适合需要复用和修改论文图表的科研与数据人员。
speechbrain/ speechbrainspeechbrain
Python语音处理工具箱 · speechbrain
语音处理工具箱
★ 12K+10 本周多模态生成10月15日更新
基于 PyTorch 的语音工具包,覆盖语音识别、说话人识别、语音增强与分离等任务,适合做语音研究和搭建语音应用的开发者。
carson-katri/ dream-texturesdream-textures
PythonBlender图像生成插件 · carson-katri
Blender图像生成插件
★ 8.3K+11 本周多模态生成9月17日更新
将 Stable Diffusion 图像生成功能集成到 Blender,供创作者在三维创作流程中生成图像;适合使用 Blender 并希望在本地工作流中探索 AI 绘图的用户。
jau123/ MeiGen-AI-Design-MCPMeiGen-AI-Design-MCP
JavaScriptAI设计创作服务 · jau123
AI设计创作服务
★ 1.8K+8 本周附带 1 个 Skill多模态生成11月17日更新
帮助梳理任务、拆分步骤并在执行前对齐目标,适合需要先规划再开展工作的 AI Agent 使用场景。
YouMind-OpenLab/ nano-banana-pro-prompts-recommend-skillnano-banana-pro-prompts-recommend-skill
TypeScript图像提示词推荐技能 · YouMind-OpenLab
图像提示词推荐技能
★ 1.9K+6 本周多模态生成11月19日更新
面向 OpenClaw 与 Claude Code 的 AI Skill,可从一万多条 Nano Banana Pro(Gemini)图像提示词中按用途智能检索、改写内容并附示例图,适合做 AI 配图的内容创作者。
FavioVazquez/ showtimeshowtime
Python本地视频创作工具 · FavioVazquez
本地视频创作工具
★ 339+12 本周多模态生成10月17日更新
为编程 Agent 提供本地视频制作流程,用户用一句话描述需求后由 Agent 编排、设备本机渲染,无需上传素材或配置 API 密钥,适合开发者制作视频内容。
869413421/ ai-moive-studioai-moive-studio
PythonAI 视频创作画布 · 869413421
AI 视频创作画布
★ 1.7K+5 本周多模态生成9月16日更新
自然语言驱动的无限画布视频创作工作流,把剧本拆解、分镜、素材生成、视频合成与分发串成可编辑链路,适合想系统化产出 AI 视频的创作者自托管使用。
ThinkFlowLab/ OpenDirectorOpenDirector
TypeScriptAgent 视频创作工作流 · ThinkFlowLab
Agent 视频创作工作流
★ 404多模态生成11月19日更新
面向新一代视频创作的 Agent 工作流,支持插件扩展并兼容 Claude Code、Codex、OpenCode 等编码 Agent,适合想用智能体自动化视频制作流程的创作者。
wj-sidiss/ otopilototopilot
JavaScript短视频自动生成器 · wj-sidiss
短视频自动生成器
★ 252+11 本周多模态生成11月15日更新
输入一个主题即可生成完整的 YouTube Shorts 或短视频,自动产出脚本、免费配图、配音、字幕和封面,本地运行无需密钥,支持多语言界面。
espnet/ espnetespnet
Python端到端语音处理工具包 · espnet
端到端语音处理工具包
★ 10K+9 本周多模态生成11月19日更新
基于 PyTorch 的语音处理工具箱,覆盖语音识别、合成、翻译、增强与分离等任务,适合语音方向的研究者和工程师训练与复现模型。
rgthree/ rgthree-comfyrgthree-comfy
JavaScriptComfyUI创作扩展 · rgthree
ComfyUI创作扩展
★ 3.7K+10 本周多模态生成10月30日更新
为 ComfyUI 增添节点、界面改进和便捷操作,帮助 Stable Diffusion 用户更顺畅地搭建与管理图像生成工作流,适合日常使用 ComfyUI 的创作者。
1038lab/ ComfyUI-RMBGComfyUI-RMBG
PythonComfyUI图像分割节点 · 1038lab
ComfyUI图像分割节点
★ 2.2K+10 本周多模态生成11月17日更新
为 ComfyUI 提供背景移除及人物、物体和服饰分割节点,集成多种视觉模型,适合需要在图像生成工作流中制作蒙版或处理素材的用户。
dhruvthakur11/ youtube-ai-video-editing-systemyoutube-ai-video-editing-system
HTMLAI 视频剪辑工作流 · dhruvthakur11
AI 视频剪辑工作流
★ 397多模态生成11月19日更新
把提词器与剪辑 Agent 结合的 AI 视频制作系统,用 JSON 驱动动画和动态图形流程,适合 YouTube 创作者自动化剪辑与视觉包装。
lovisdotio/ motion2codemotion2code
HTML动效视频转代码技能 · lovisdotio
动效视频转代码技能
★ 356+4 本周多模态生成10月20日更新
给编程 Agent 用的技能:把动效设计视频逐帧比对,重建为可循环播放的 SVG + GSAP 代码,适合前端与动效开发者复刻视频效果。
Comfy-Org/ ComfyUI_frontendComfyUI_frontend
TypeScriptComfyUI 官方前端 · Comfy-Org
ComfyUI 官方前端
★ 2.1K+9 本周多模态生成11月19日更新
ComfyUI 的官方前端实现,为这套节点式生成式 AI 工作流提供可视化操作界面,适合使用 ComfyUI 做图像生成的用户和二次开发者。
akdeb/ ElatoAIElatoAI
TypeScript边缘语音助手 · akdeb
边缘语音助手
★ 2.1K+6 本周多模态生成11月18日更新
面向 Arduino 与 ESP32 设备的实时语音 AI 项目,支持连接多种模型并通过安全 WebSocket 与边缘函数提供语音交互,适合开发语音伴侣和智能设备。
ziplab/ ATASATAS
Python世界状态视频生成框架 · ziplab
世界状态视频生成框架
★ 276+5 本周多模态生成11月3日更新
以世界状态为中心的多智能体视频生成框架,强调任意时间与空间下的场景一致性,适合研究 Agent 驱动视频生成的研究者与开发者。
soniqo/ speech-swiftspeech-swift
Swift苹果芯片语音工具包 · soniqo
苹果芯片语音工具包
★ 1.3K多模态生成11月18日更新
面向 Apple Silicon 的本地语音工具包,基于 MLX 与 CoreML 提供语音识别、合成、语音转换、VAD 和说话人分离,适合在 iOS/macOS 上做端侧语音应用的开发者。
netease-youdao/ EmotiVoiceEmotiVoice
Python情感语音合成引擎 · netease-youdao
情感语音合成引擎
★ 8.5K+1 本周多模态生成9月3日更新
基于深度学习的多说话人文本转语音引擎,可通过提示控制语音表现与情绪,适合开发语音合成应用及研究可控语音生成的用户。
vladmandic/ sdnextsdnext
Python生成式图像视频工作台 · vladmandic
生成式图像视频工作台
★ 7.4K+5 本周多模态生成11月19日更新
集成图像与视频生成、图像描述和内容处理能力的网页界面,支持 Stable Diffusion 等生成模型,适合希望通过可视化工具创作和管理生成内容的用户。
collabora/ WhisperLiveWhisperLive
Python实时语音转写工具 · collabora
实时语音转写工具
★ 4.4K+7 本周多模态生成11月16日更新
基于 OpenAI Whisper 的近实时语音识别服务,支持多语言转写与翻译,可接入 OBS 做直播字幕,适合需要低延迟字幕或会议记录的用户。
thu-ml/ Causal-ForcingCausal-Forcing
Python因果强制视频蒸馏 · thu-ml
因果强制视频蒸馏
★ 1.0K+1 本周多模态生成10月24日更新
ICML 2026 论文官方代码,提出面向自回归扩散模型的蒸馏方法,实现高质量实时交互式视频生成,适合研究视频生成与扩散模型加速的学者。
fishaudio/ Bert-VITS2Bert-VITS2
Python多语言语音合成模型 · fishaudio
多语言语音合成模型
★ 8.8K+2 本周多模态生成11月17日更新
基于 VITS2 与多语言 BERT 的文本转语音项目,支持中日英等多语种发音,适合需要本地部署高质量 TTS 的开发者和研究者。
ultralytics/ yolov3yolov3
PythonYOLOv3 目标检测 · ultralytics
YOLOv3 目标检测
★ 11K+7 本周多模态生成11月8日更新
YOLOv3 系列的 PyTorch 实现,覆盖训练、验证、推理与 ONNX/CoreML 等多格式导出,适合做实时目标检测的开发者与研究者。
voquill/ voquillvoquill
TypeScript开源语音听写工具 · voquill
开源语音听写工具
★ 1.0K+3 本周多模态生成11月19日更新
基于 Tauri 与 Whisper 的开源语音听写工具,在本地完成语音转文字,适合需要隐私保护、不想依赖云服务的用户日常输入使用。
scraed/ LanPaintLanPaint
Python免训练图像修复工具 · scraed
免训练图像修复工具
★ 1.5K+5 本周多模态生成9月28日更新
面向各类 Stable Diffusion 模型的高质量免训练图像修复方案,支持 ComfyUI 节点,适合需要局部重绘与视频编辑的创作者。
OpenMOSS/ MOSS-TTSDMOSS-TTSD
Python多语种语音合成模型 · OpenMOSS
多语种语音合成模型
★ 1.4K+3 本周多模态生成9月6日更新
面向长篇、多说话人对话的多语种语音合成模型,支持灵活控制说话人,并可零样本克隆音色,适合播客制作及语音生成研究。
microsoft/ mattergenmattergen
Python无机材料生成模型 · microsoft
无机材料生成模型
★ 1.9K+3 本周多模态生成8月28日更新
微软开源的 MatterGen 官方实现,可跨元素周期表生成无机材料结构,并通过微调引导生成满足多种性质约束的材料,面向材料科学与生成式 AI 研究。
zuruoke/ watermark-removalwatermark-removal
Python图像水印去除工具 · zuruoke
图像水印去除工具
★ 5.2K+6 本周多模态生成10月25日更新
基于深度学习的图像修复项目,用 TensorFlow 训练模型自动抹除图片水印,效果接近原图。适合需要批量清理素材水印的开发者与研究者参考实现。
AvaLovelace1/ BrickGPTBrickGPT
Python文本生成积木模型 · AvaLovelace1
文本生成积木模型
★ 1.7K+1 本周多模态生成10月24日更新
ICCV 2025 最佳论文官方实现,根据文字提示生成物理稳定的玩具积木模型,适合对三维生成和积木设计感兴趣的研究者。
Comfy-Org/ comfy-clicomfy-cli
PythonComfyUI命令行工具 · Comfy-Org
ComfyUI命令行工具
★ 1.1K+7 本周多模态生成11月19日更新
通过命令行使用 ComfyUI,适合需要在终端或脚本中管理 ComfyUI 工作流的用户;项目以轻量 CLI 方式衔接 Stable Diffusion 图像生成环境。
MochiDiffusion/ MochiDiffusionMochiDiffusion
Swift苹果本地绘图工具 · MochiDiffusion
苹果本地绘图工具
★ 8.0K+1 本周多模态生成11月15日更新
面向 Apple 芯片 Mac 的原生 Stable Diffusion 图像生成应用,利用 Core ML 与神经引擎运行模型,适合希望在 macOS 上本地生成图像的用户。
zombieyang/ sd-pppsd-ppp
JavaScript图像生成插件 · zombieyang
图像生成插件
★ 2.2K+4 本周多模态生成11月8日更新
为 Photoshop 提供 AI 图像创作能力,并接入多种图像生成服务与工作流,适合设计师在熟悉的图像编辑环境中生成或处理视觉素材。
rsxdalv/ TTS-WebUITTS-WebUI
TypeScript多模型语音合成工作台 · rsxdalv
多模型语音合成工作台
★ 3.3K+4 本周多模态生成11月19日更新
集成 ACE-Step、GPT-SoVITS、CosyVoice、Bark 等数十种 TTS 与音频生成模型的统一 WebUI,适合想在一个界面里试用和对比语音合成、音乐生成效果的用户。
voicepaw/ so-vits-svc-forkso-vits-svc-fork
Python实时语音转换工具 · voicepaw
实时语音转换工具
★ 9.3K多模态生成11月19日更新
基于 so-vits-svc 的语音转换项目,扩展了实时转换支持并改进操作界面,适合进行语音转换与语音合成实验的开发者和创作者;采用 Python 与 PyTorch 技术栈。
cmusatyalab/ openfaceopenface
Lua深度人脸识别工具 · cmusatyalab
深度人脸识别工具
★ 15K+4 本周多模态生成10月31日更新
基于深度神经网络的人脸识别开源项目,提供人脸检测、对齐与特征比对能力,适合研究者和开发者做人脸验证与身份识别相关实验。
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。