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 316 个。
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。
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+4 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。
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+34 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。
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+2 本周多模态生成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+1 本周多模态生成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。
haidrrrry/ claude-remotion-skillclaude-remotion-skill
TypeScriptRemotion 视频制作技能 · haidrrrry
Remotion 视频制作技能
★ 1.1K+158 本周多模态生成8月13日更新
一套 Claude Agent Skill,让 Claude Code 等工具通过一句提示生成和剪辑 Remotion 动态图形视频,涵盖 B-roll、字幕与音效,适合内容创作者。
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+1 本周多模态生成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。
pyang5166/ gbro-collage-brollgbro-collage-broll
Pythonpyang5166
半调纸拼贴 B-roll 生成 skill:三闸门审批,Gemini Omni Flash 首尾帧组装动画 | Editorial halftone paper-collage B-roll agent skill
★ 1.9K多模态生成7月15日更新
半调纸拼贴 B-roll 生成 skill:三闸门审批,Gemini Omni Flash 首尾帧组装动画 | Editorial halftone paper-collage B-roll agent skill
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。