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。

Purfview GitHub avatar

Purfview/whisper-standalone-winwhisper-standalone-win

Whisper 独立运行版 · Purfview

Whisper 独立运行版

★ 3.2K+8 本周多模态生成2025年11月更新

把 OpenAI Whisper 和 Faster-Whisper 打包成免安装可执行文件,无需配置 Python 环境即可做语音转写、生成字幕,适合普通用户和需要批量处理音视频的创作者。

多模态生成
3.2K+82023年2月26日
OpenGVLab GitHub avatar

OpenGVLab/InternGPTInternGPT

Python

多模态模型演示平台 · OpenGVLab

多模态模型演示平台

★ 3.2K多模态生成2024年8月更新

开源的多模态 AI 演示平台,可快速展示 DragGAN、SAM、ImageBind 及类 GPT-4 多模态对话等模型,适合研究者与开发者做模型演示和交互体验。

多模态生成
3.2K项目2023年5月8日
SkyworkAI GitHub avatar

SkyworkAI/Skywork-R1VSkywork-R1V

Python

Skywork 多模态推理模型 · SkyworkAI

Skywork 多模态推理模型

★ 3.2K+1 本周多模态生成7月29日更新

Skywork AI 推出的多模态大模型系列,专注视觉语言推理,结合强化学习训练,适合研究多模态理解与推理能力的研究者和开发者。

多模态生成
3.2K+12025年3月15日
ictnlp GitHub avatar

ictnlp/LLaMA-OmniLLaMA-Omni

Python

语音交互大模型 · ictnlp

语音交互大模型

★ 3.1K多模态生成2025年5月更新

基于 Llama 3.1 8B 构建的端到端语音交互模型,侧重低延迟和高质量语音对话。适合研究语音语言模型及实时语音交互的开发者与研究人员。

多模态生成
3.1K项目2024年9月10日
DAMO-NLP-SG GitHub avatar

DAMO-NLP-SG/Video-LLaMAVideo-LLaMA

Python

视频理解多模态模型 · DAMO-NLP-SG

视频理解多模态模型

★ 3.1K+1 本周多模态生成2024年6月更新

面向视频理解的指令微调音视频语言模型,可结合视觉与音频信息处理视频内容。适合研究多模态模型及构建视频问答、内容理解应用的开发者。

多模态生成
3.1K+12023年5月6日
cvlab-columbia GitHub avatar

cvlab-columbia/zero123zero123

Python

单图转三维模型 · cvlab-columbia

单图转三维模型

★ 3.1K+2 本周多模态生成2023年12月更新

基于单张图像零样本生成物体的新视角,探索从二维图像重建三维外观的研究方法。适合计算机视觉与三维生成研究者,项目发表于 ICCV 2023。

多模态生成
3.1K+22023年3月18日
sherlockchou86 GitHub avatar

sherlockchou86/VideoPipeVideoPipe

C++

视频结构化分析框架 · sherlockchou86

视频结构化分析框架

★ 3.0K+1 本周多模态生成2月25日更新

基于 OpenCV、GStreamer 与深度学习模型的跨平台视频分析框架,可串联目标检测、人脸识别、行为分析等流水线,适合做视频监控与智能分析系统的开发者。

多模态生成
3.0K+12022年8月26日
InternLM GitHub avatar

InternLM/InternLM-XComposerInternLM-XComposer

Python

多模态流式交互系统 · InternLM

多模态流式交互系统

★ 2.9K多模态生成2025年5月更新

InternLM 团队的多模态大模型系统,支持长时流式视频与音频交互,可进行视觉语言理解与对话,适合研究多模态实时交互的研究者与开发者。

多模态生成
2.9K项目2023年9月26日
deforum GitHub avatar

deforum/sd-webui-deforumsd-webui-deforum

Python

扩散动画生成插件 · deforum

扩散动画生成插件

★ 2.9K+1 本周多模态生成2024年8月更新

为 AUTOMATIC1111 Stable Diffusion WebUI 提供动画制作扩展,可用扩散模型生成连续画面与动态视频,适合熟悉该界面的创作者进行影像实验和动画创作。

多模态生成
2.9K+12022年10月15日
jina-ai GitHub avatar

jina-ai/dalle-flowdalle-flow

Python

文本生成高清图工作流 · jina-ai

文本生成高清图工作流

★ 2.8K多模态生成2023年5月更新

基于 DALL·E 等模型的文生图流水线,加入人工介入环节与超分放大,用于生成高清图像,适合创作者和生成艺术爱好者实验。

多模态生成
2.8K项目2022年4月30日
saharmor GitHub avatar

saharmor/dalle-playgrounddalle-playground

JavaScript

文生图实验室 · saharmor

文生图实验室

★ 2.7K多模态生成2024年6月更新

提供基于文本提示生成图像的交互式实验环境,支持 Stable Diffusion 等文本生成图像模型,适合开发者和创作者学习、测试生成式视觉效果。

多模态生成
2.7K项目2021年9月13日
JIA-Lab-research GitHub avatar

JIA-Lab-research/LISALISA

Python

LISA 推理分割模型 · JIA-Lab-research

LISA 推理分割模型

★ 2.7K+3 本周多模态生成2025年2月更新

基于大语言模型实现推理分割的多模态项目,能根据复杂语言描述定位并分割图像目标,适合研究多模态理解与分割的开发者。

多模态生成
2.7K+32023年8月1日
IceClear GitHub avatar

IceClear/StableSRStableSR

Python

扩散图像超分工具 · IceClear

扩散图像超分工具

★ 2.7K+3 本周多模态生成2024年7月更新

利用扩散模型先验提升真实场景图像的超分辨率效果,适合图像复原研究者与计算机视觉开发者;项目提供相关方法的 Python 实现。

多模态生成
2.7K+32023年4月2日
riffusion GitHub avatar

riffusion/riffusion-app-hobbyriffusion-app-hobby

TypeScript

实时AI音乐生成器 · riffusion

实时AI音乐生成器

★ 2.7K+1 本周多模态生成2024年7月更新

基于 Stable Diffusion 的网页应用,可实时生成音乐,适合希望体验生成式音频创作的用户;项目结合 Web 技术提供交互式音乐生成体验。

多模态生成
2.7K+12022年11月21日
koishijs GitHub avatar

koishijs/novelai-botnovelai-bot

TypeScript

NovelAI绘图机器人 · koishijs

NovelAI绘图机器人

★ 2.6K多模态生成2025年3月更新

基于 Koishi 的聊天机器人插件,可通过 NovelAI 生成图像,适合希望在聊天平台中使用 AI 绘图的用户;项目也涉及 Stable Diffusion 相关服务。

多模态生成
2.6K项目2022年10月6日
alecm20 GitHub avatar

alecm20/story-flicksstory-flicks

Python

AI 故事短视频生成器 · alecm20

AI 故事短视频生成器

★ 2.6K+3 本周多模态生成2025年3月更新

调用大模型一键把故事文本生成高清短视频,自动完成画面与剪辑流程,适合想批量制作故事类短视频的内容创作者。

多模态生成
2.6K+32025年1月17日
X-PLUG GitHub avatar

X-PLUG/mPLUG-OwlmPLUG-Owl

Python

多模态大语言模型 · X-PLUG

多模态大语言模型

★ 2.5K多模态生成2025年4月更新

mPLUG-Owl 是支持多模态理解与交互的大语言模型系列,结合图像等输入与语言指令,适合研究者和开发者探索多模态模型及其训练应用。

多模态生成
2.5K项目2023年4月25日
GaParmar GitHub avatar

GaParmar/img2img-turboimg2img-turbo

Python

图像转换生成模型 · GaParmar

图像转换生成模型

★ 2.5K+3 本周多模态生成2025年8月更新

基于 Stable Diffusion Turbo 实现单步图像到图像生成,可用于草图转图像、昼夜场景转换等视觉创作任务,适合研究人员和开发者探索高效图像生成方法。

多模态生成
2.5K+32024年2月23日
Stability-AI GitHub avatar

Stability-AI/stability-sdkstability-sdk

Jupyter Notebook

图像生成开发套件 · Stability-AI

图像生成开发套件

★ 2.4K多模态生成5月14日更新

用于通过 Stability AI API 调用 Stable Diffusion 等生成模型的 SDK,面向需要将图像生成能力接入应用或创作流程的开发者,提供编程接口以便集成模型服务。

多模态生成
2.4K项目2022年8月22日
SoraWebui GitHub avatar

SoraWebui/SoraWebuiSoraWebui

TypeScript

Sora 文生视频网页客户端 · SoraWebui

Sora 文生视频网页客户端

★ 2.4K多模态生成2024年8月更新

开源的 Sora 网页客户端,输入文字即可调用 OpenAI Sora 模型生成视频,界面简洁,适合想快速体验文生视频的创作者和开发者。

多模态生成
2.4K项目2024年2月18日
rushindrasinha GitHub avatar

rushindrasinha/youtube-shorts-pipelineyoutube-shorts-pipeline

Python

短视频自动制作工具 · rushindrasinha

短视频自动制作工具

★ 2.4K+21 本周多模态生成6月10日更新

自动化生成并发布 YouTube Shorts 的 Python 流水线,可串联新闻选题、脚本、AI 视觉素材、配音、字幕和上传,适合希望批量制作短视频的内容创作者。

多模态生成
2.4K+212026年2月22日
6174 GitHub avatar

6174/comflowyspacecomflowyspace

TypeScript

AI图像视频生成器 · 6174

AI图像视频生成器

★ 2.3K多模态生成2024年8月更新

基于 ComfyUI、Stable Diffusion 等技术生成图像与视频,提供开源且易上手的可视化创作体验,适合希望搭建本地生成工作流的创作者。

多模态生成
2.3K项目2023年11月25日
buaacyw GitHub avatar

buaacyw/MeshAnythingMeshAnything

Python

三维网格生成模型 · buaacyw

三维网格生成模型

★ 2.3K+17 本周多模态生成2025年4月更新

基于自回归 Transformer 将输入内容生成具有艺术家创作风格的三维网格,提供论文对应的官方实现,适合研究三维生成、点云处理与计算机图形学的开发者。

多模态生成
2.3K+172024年6月17日
ZiYang-xie GitHub avatar

ZiYang-xie/WorldGenWorldGen

Python

3D 场景生成工具 · ZiYang-xie

3D 场景生成工具

★ 2.2K+14 本周多模态生成4月12日更新

用生成式 AI 在数秒内从文本或图片生成三维场景,面向游戏、影视和虚拟世界搭建者,降低 3D 内容制作门槛。

多模态生成
2.2K+142025年4月18日
lifeiteng GitHub avatar

lifeiteng/vall-evall-e

Python

零样本文本转语音模型 · lifeiteng

零样本文本转语音模型

★ 2.2K多模态生成2025年9月更新

基于 PyTorch 复现 VALL-E 零样本文本转语音模型,可根据文本生成语音,并提供在线演示,适合语音合成研究者与希望了解相关模型实现的开发者。

多模态生成
2.2K项目2023年1月27日
travisvn GitHub avatar

travisvn/openai-edge-ttsopenai-edge-tts

Python

文本转语音接口 · travisvn

文本转语音接口

★ 2.2K+14 本周多模态生成2025年7月更新

提供免费的高质量文本转语音 API,可作为 OpenAI、Azure 或 ElevenLabs 语音服务的替代接口,适合需要接入语音合成功能的应用开发者。

多模态生成
2.2K+142024年10月10日
microsoft GitHub avatar

microsoft/PromptCraft-RoboticsPromptCraft-Robotics

Python

机器人语言模型仿真工具 · microsoft

机器人语言模型仿真工具

★ 2.1K多模态生成2024年1月更新

面向机器人与大模型开发者,提供将语言模型应用于机器人任务的社区项目,并包含集成 ChatGPT 的机器人仿真器,可用于探索提示词控制与仿真工作流。

多模态生成
2.1K项目2023年2月8日
SupaGruen GitHub avatar

SupaGruen/StableDiffusion-CheatSheetStableDiffusion-CheatSheet

JavaScript

绘图风格速查表 · SupaGruen

绘图风格速查表

★ 2.0K+1 本周多模态生成2024年8月更新

提供 Stable Diffusion 绘图风格清单与离线参考笔记,以纯 HTML、CSS 和少量 JavaScript 制作,适合生成图像创作者快速查找和整理风格提示。

多模态生成
2.0K+12023年4月21日
PRIS-CV GitHub avatar

PRIS-CV/DemoFusionDemoFusion

Jupyter Notebook

高分辨率图像生成模型 · PRIS-CV

高分辨率图像生成模型

★ 2.0K多模态生成2025年10月更新

面向 Stable Diffusion 的高分辨率图像生成方法,旨在降低生成高像素图像所需的资源门槛;适合研究人员和图像生成开发者进行实验与应用。

多模态生成
2.0K项目2023年10月30日
FireRedTeam GitHub avatar

FireRedTeam/FireRedASRFireRedASR

Python

中文语音识别模型 · FireRedTeam

中文语音识别模型

★ 2.0K多模态生成2月25日更新

提供面向工业场景的开源自动语音识别模型,支持普通话、多种中文方言和英语,也具备歌词识别能力,适合需要构建语音转写或音频识别应用的开发者。

多模态生成
2.0K项目2025年1月24日
OpenMotionLab GitHub avatar

OpenMotionLab/MotionGPTMotionGPT

Python

动作语言生成模型 · OpenMotionLab

动作语言生成模型

★ 2.0K+12 本周多模态生成2025年7月更新

NeurIPS 2023 论文项目,把人体动作当作一种语言,用大语言模型统一完成文本到动作生成与动作理解,适合三维动作生成研究者。

多模态生成
2.0K+122023年6月20日
showlab GitHub avatar

showlab/Show-oShow-o

Python

多模态统一模型 · showlab

多模态统一模型

★ 2.0K+2 本周多模态生成1月9日更新

Show-o 系列研究项目,以单一 Transformer 统一多模态理解与生成,面向关注视觉语言模型和生成模型的研究者与开发者。

多模态生成
2.0K+22024年8月9日
FoundationVision GitHub avatar

FoundationVision/LlamaGenLlamaGen

Python

自回归图像生成模型 · FoundationVision

自回归图像生成模型

★ 2.0K+1 本周多模态生成2024年8月更新

以大语言模型式的自回归架构生成图像,探索其在可扩展文本生成图像中的效果,适合研究图像生成与生成模型架构的开发者和研究人员。

多模态生成
2.0K+12024年6月3日
thisjam GitHub avatar

thisjam/sd-webui-oldsix-promptsd-webui-oldsix-prompt

Python

绘图提示词插件 · thisjam

绘图提示词插件

★ 2.0K多模态生成2024年5月更新

为 Stable Diffusion WebUI 提供中文提示词辅助,帮助新手与熟练用户编写和使用绘图提示词,适合希望在现有绘图界面中提升提示词工作效率的创作者。

多模态生成
2.0K项目2023年7月27日
Code-with-Beto GitHub avatar

Code-with-Beto/snapaisnapai

TypeScript

AI 应用图标生成 CLI · Code-with-Beto

AI 应用图标生成 CLI

★ 2.0K多模态生成7月21日更新

面向 React Native 与 Expo 开发者的命令行工具,调用 OpenAI 图像模型几秒内生成应用图标,省去手动设计步骤,适合移动端开发者快速出图。

多模态生成
2.0K项目2025年6月22日
pyang5166 GitHub avatar

pyang5166/gbro-collage-brollgbro-collage-broll

Python

半调拼贴 B-roll 技能 · pyang5166

半调拼贴 B-roll 技能

★ 2.0K多模态生成7月15日更新

生成半调纸拼贴风格 B-roll 视频的 Agent 技能,带三道审批关卡,并用 Gemini 首尾帧组装动画,适合做短视频与视觉素材的创作者。

多模态生成
2.0K项目2026年7月15日
carefree0910 GitHub avatar

carefree0910/carefree-creatorcarefree-creator

Jupyter Notebook

AI无限画布创作工具 · carefree0910

AI无限画布创作工具

★ 1.9K多模态生成2024年5月更新

基于扩散模型提供图像生成与编辑能力,支持文生图、图生图、局部修复、扩图和超分辨率等创作流程。适合需要交互式视觉创作与图像处理的用户。

多模态生成
1.9K项目2022年9月13日
MixLabPro GitHub avatar

MixLabPro/comfyui-mixlab-nodescomfyui-mixlab-nodes

JavaScript

ComfyUI 多功能节点包 · MixLabPro

ComfyUI 多功能节点包

★ 1.9K多模态生成6月4日更新

为 ComfyUI 提供工作流转应用、屏幕共享与悬浮视频、GPT 与 3D、语音识别与 TTS 等节点,适合想在 ComfyUI 中扩展交互与多模态能力的创作者。

多模态生成
1.9K项目2023年10月18日
thygate GitHub avatar

thygate/stable-diffusion-webui-depthmap-scriptstable-diffusion-webui-depthmap-script

Python

深度图生成插件 · thygate

深度图生成插件

★ 1.9K+1 本周多模态生成2024年8月更新

为 Stable Diffusion WebUI 提供高分辨率深度图生成功能,可将图像深度信息用于后续视觉创作与场景处理,适合使用该界面的图像生成用户。

多模态生成
1.9K+12022年11月4日
YangLing0818 GitHub avatar

YangLing0818/RPG-DiffusionMasterRPG-DiffusionMaster

Jupyter Notebook

多模态图像生成框架 · YangLing0818

多模态图像生成框架

★ 1.8K+1 本周多模态生成2025年2月更新

研究型文本生成图像方法,借助多模态大模型完成提示词改写、生成规划与图像生成,适合探索扩散模型和复杂文本到图像工作流的研究者。

多模态生成
1.8K+12024年1月22日
ttengwang GitHub avatar

ttengwang/Caption-AnythingCaption-Anything

Python

可控图像描述工具 · ttengwang

可控图像描述工具

★ 1.8K+1 本周多模态生成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。

多模态生成
1.8K+12023年4月7日
omerbt GitHub avatar

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。

多模态生成
1.7K项目2023年7月21日
varunshenoy GitHub avatar

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。

多模态生成
1.7K项目2023年5月12日
ai-forever GitHub avatar

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。

多模态生成
1.6K项目2021年10月31日
ssitu GitHub avatar

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。

多模态生成
1.6K项目2023年5月16日
TIGER-AI-Lab GitHub avatar

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。

多模态生成
1.5K项目2025年2月17日
gyoridavid GitHub avatar

gyoridavid/short-video-makershort-video-maker

TypeScript

短视频生成工具 · gyoridavid

短视频生成工具

★ 1.5K+23 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。

多模态生成
1.5K+232025年4月14日
gabotechs GitHub avatar

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。

多模态生成
1.5K项目2024年5月4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。