分类
分类
优先：视频、图像、语音、音乐、游戏。
开源图像生成界面、工作流与模型，从节点式工作流到一键启动的 Web UI。 11 综合
SmolVLM2-2.2B-Instruct 11
HuggingFaceTB/SmolVLM2-2.2B-Instruct 一个能装进笔记本、还能读视频的视觉语言模型。 MiniCPM-V-2_6 10
openbmb/MiniCPM-V-2_6 3B 模型，能看、能听、能读——OCR 尤其强。 dicebear 80
dicebear/dicebear 给开发者的确定性头像与插画——30 多种风格，一个 API。 image-to-3dlab 78
Bingeljell/image-to-3dlab 丢一张图，得到游戏可用的 3D 素材——就在 Apple 芯片上。 Real-ESRGAN 16
xinntao/Real-ESRGAN 实用的照片 / 动漫 / 帧超分 InstantID 10
instantX-research/InstantID 不用重度微调也能在生成图里稳住同一张脸 TRELLIS 58
microsoft/TRELLIS 面向游戏道具的结构化图生 3D TripoSR 58
VAST-AI-Research/TripoSR 秒级前馈式图生 3D 模型 InstantMesh 13
TencentARC/InstantMesh 高效图生 3D 网格管线 stable-dreamfusion 7
ashawkey/stable-dreamfusion 经典开源文生 3D 实验场 Omost 8
lllyasviel/Omost 用 LLM 编排结构化图像的生成器 开源视频生成模型与工具。不同项目的硬件门槛差别很大，先看上手成本卡。 9 综合
ArcReel 82
ArcReel/ArcReel 小说剧本进，成片出——可自部署的 AI 视频工作台。 dramaclaw 81
dramaclaw/dramaclaw 通用 AIGC 视频引擎：一个管线从剧本到成片。 FunClip 72
modelscope/FunClip 本地完成转写、上字幕、LLM 选段剪辑。 auto-editor 79
WyattBlue/auto-editor 省力视频剪辑：死气沉沉的部分它替你剪。 reelmimic 60
edenfunf/reelmimic 给它一条你喜欢的视频，它用同款风格再拍一条。 whisperX 75
m-bain/whisperX 带词级时间戳的 Whisper 类语音识别 SadTalker 14
OpenTalker/SadTalker 一张照片 + 一段音频生成说话头像视频 MotionCtrl 8
TencentARC/MotionCtrl 给 AI 视频加上可控的相机/物体运动 i2vgen-xl 7
ali-vilab/i2vgen-xl 高质量图生视频模型（I2VGen-XL） 语音识别与语音合成项目。在这个领域，语言覆盖和 License 条款与效果同样重要。 9 综合
Kokoro-82M 19
hexgrad/Kokoro-82M 82M 参数就能出录音棚级 TTS，CPU 可跑。 DiffSinger 63
openvpi/DiffSinger 基于扩散的歌声合成工具包 F5-TTS 70
SWivid/F5-TTS 又快又自然的零样本语音合成 fish-speech 75
fishaudio/fish-speech 社区活跃的多语言开源 TTS OpenVoice 20
myshell-ai/OpenVoice 可控制风格的即时音色克隆 Retrieval-based-Voice-Conversion-WebUI 65
RVC-Project/Retrieval-based-Voice-Conversion-WebUI AI 翻唱与音色转换的默认 WebUI whisperX 75
m-bain/whisperX 带词级时间戳的 Whisper 类语音识别 voice-changer 60
w-okada/voice-changer 浏览器里的实时 AI 变声器 so-vits-svc 13
svc-develop-team/so-vits-svc 经典开源歌声转换栈（so-vits-svc） 用开源模型与工具作曲、伴奏、采样与改编——与语音 TTS/ASR 分开单列。 17 综合
ACE-Step-1.5 73
ace-step/ACE-Step-1.5 消费级显卡也能跑的本地整曲生成 YuE 78
multimodal-art-projection/YuE 带符号规划与零样本翻唱的开源音乐模型 ACE-Step 35
ace-step/ACE-Step ACE-Step 初代：跟着旧教程时仍有用 demucs 19
facebookresearch/demucs 把一首歌拆成干声、鼓、贝斯与其它音轨 stable-audio-tools 60
Stability-AI/stable-audio-tools Stable Audio 开源模型的训练与推理工具包 audiocraft 42
facebookresearch/audiocraft MusicGen 等文生音乐模型的官方工具包 DiffSinger 63
openvpi/DiffSinger 基于扩散的歌声合成工具包 ACE-Step-Studio 75
timoncool/ACE-Step-Studio 基于 ACE-Step 1.5 XL 的 Windows 一键音乐工作室 Retrieval-based-Voice-Conversion-WebUI 65
RVC-Project/Retrieval-based-Voice-Conversion-WebUI AI 翻唱与音色转换的默认 WebUI DiffRhythm2 28
ASLP-lab/DiffRhythm2 用块流匹配做歌词对齐的整曲生成 heartlib 62
HeartMuLa/heartlib 可脚本化的开源歌词+标签音乐生成栈 Muse 31
yuhui1038/Muse 数据与权重都开放的长歌曲模型 AudioSep 7
Audio-AGI/AudioSep 用文字描述就能分离的通用音频分离模型 AudioLDM2 8
haoheliu/AudioLDM2 基于潜在扩散的文生音频与音乐系统 ultimatevocalremovergui 66
Anjok07/ultimatevocalremovergui 高质量人声/分轨分离的桌面图形工具 voice-changer 60
w-okada/voice-changer 浏览器里的实时 AI 变声器 so-vits-svc 13
svc-develop-team/so-vits-svc 经典开源歌声转换栈（so-vits-svc） 亲手或用代码做图与改图的工具箱：像素画编辑器、程序化头像、风格模仿管线。 12 综合
reelmimic 60
edenfunf/reelmimic 给它一条你喜欢的视频，它用同款风格再拍一条。 dicebear 80
dicebear/dicebear 给开发者的确定性头像与插画——30 多种风格，一个 API。 Pixelorama 81
Orama-Interactive/Pixelorama 免费开源的像素画瑞士军刀——精灵、动画与调色板。 PixiEditor 77
PixiEditor/PixiEditor 一个全能 2D 编辑器：像素、矢量、动画与节点图。 SadTalker 14
OpenTalker/SadTalker 一张照片 + 一段音频生成说话头像视频 Real-ESRGAN 16
xinntao/Real-ESRGAN 实用的照片 / 动漫 / 帧超分 InstantID 10
instantX-research/InstantID 不用重度微调也能在生成图里稳住同一张脸 texel-studio 59
EYamanS/texel-studio 像画师一样用工具一步步画像素精灵的 AI Agent spritebrew 67
GAlbanese09/spritebrew 生成并导出各引擎可用的像素精灵表 spritesage 68
keystoneintelligence/spritesage 保持画风统一的精灵与动画工作台 Omost 8
lllyasviel/Omost 用 LLM 编排结构化图像的生成器 PuLID 3
ToTheBeginning/PuLID PuLID: high-fidelity identity customization for diffusion — consistent characters for games and comics. 用 AI 把游戏做快：素材生成、图生 3D 管线、AI 修改器与一人工作室工具。 14 综合
universal-modder 79
rehan-remade/universal-modder 把 Claude 指向任意游戏，让它帮你做修改器。 skills 78
scenario-labs/skills 从任意 Agent 生成可直接投产的图片、视频、音频与 3D。 image-to-3dlab 78
Bingeljell/image-to-3dlab 丢一张图，得到游戏可用的 3D 素材——就在 Apple 芯片上。 ohmygame 76
WhiteTowerAI/ohmygame 一个人的一人游戏工作室，由 AI 编排。 texel-studio 59
EYamanS/texel-studio 像画师一样用工具一步步画像素精灵的 AI Agent spritebrew 67
GAlbanese09/spritebrew 生成并导出各引擎可用的像素精灵表 spritesage 68
keystoneintelligence/spritesage 保持画风统一的精灵与动画工作台 TRELLIS 58
microsoft/TRELLIS 面向游戏道具的结构化图生 3D TripoSR 58
VAST-AI-Research/TripoSR 秒级前馈式图生 3D 模型 InstantMesh 13
TencentARC/InstantMesh 高效图生 3D 网格管线 stable-dreamfusion 7
ashawkey/stable-dreamfusion 经典开源文生 3D 实验场 PuLID 3
ToTheBeginning/PuLID PuLID: high-fidelity identity customization for diffusion — consistent characters for games and comics. MotionCtrl 8
TencentARC/MotionCtrl 给 AI 视频加上可控的相机/物体运动 i2vgen-xl 7
ali-vilab/i2vgen-xl 高质量图生视频模型（I2VGen-XL） 开源大模型、推理运行时与服务引擎。按推理速度、硬件要求和维护活跃度进行比较。 5 综合
lmdeploy 71
InternLM/lmdeploy 用 4-bit 权重量化 + 快速 gRPC，给 LLM/VLM 推理提效。 SmolLM2-1.7B-Instruct 0
HuggingFaceTB/SmolLM2-1.7B-Instruct 1.7B 模型，强到能当你的默认端侧 LLM。 Phi-3.5-mini-instruct 15
microsoft/Phi-3.5-mini-instruct 3.8B 模型，推理能力却超过两倍大的模型。 Qwen2.5-3B-Instruct 0
Qwen/Qwen2.5-3B-Instruct 3B 的万金油，编程和多语言（29+ 语种）出乎意料地好。 gemma-3-1b-it 13
google/gemma-3-1b-it 1B 模型，能读图、说 140+ 语言，还带 128K 上下文。 用于构建能规划、调用工具、多智能体协作的 AI Agent 框架。选型时重点看抽象层级、多 Agent 支持和生产可用性。 8 综合
screenpipe 73
screenpipe/screenpipe 在本地 24 小时录制屏幕，并让 AI 检索、操作这些内容。 gpt-researcher 72
assafelovic/gpt-researcher 给它一个问题，它自己上网调研，交还一份带引用的报告。 e2b 78
e2b-dev/e2b 给你的 Agent 一个即用即弃的 Linux 沙箱，安全跑不可信代码。 khoj 56
khoj-ai/khoj 在聊天框里直接问你自己的笔记、文件与聊天记录。 litellm 80
BerriAI/litellm 一次 import，就能调用 OpenAI、Anthropic、Google、Mistral 等 100+ 模型。 skills 62
anthropics/skills 官方技能库——复制任意 SKILL.md，你的 Agent 就多一项能力。 superpowers 69
obra/superpowers 即插即用的技能，让你的编程 Agent 真正写测试、认真调试。 planning-with-files 68
OthmanAdi/planning-with-files 给你的 Agent 一个持久、基于文件的计划，它真的会照做。 检索增强生成（RAG）工具包和开箱即用的知识库应用。核心差异在于文档解析质量、检索策略和部署成本。 6 综合
screenpipe 73
screenpipe/screenpipe 在本地 24 小时录制屏幕，并让 AI 检索、操作这些内容。 gpt-researcher 72
assafelovic/gpt-researcher 给它一个问题，它自己上网调研，交还一份带引用的报告。 WrenAI 77
Canner/WrenAI 用自然语言问数据库，它会先澄清再写 SQL。 docling 78
docling-project/docling 把杂乱的 PDF 和 Office 文档转成干净的 Markdown、JSON 或版式树。 khoj 56
khoj-ai/khoj 在聊天框里直接问你自己的笔记、文件与聊天记录。 txtai 72
neuml/txtai 向量化、索引、检索、提示词——不用再单独跑一个向量库。 可复用的 Skills、提示词和插件，用来扩展编程 Agent 和通用 Agent 的能力。 10 综合
skills 62
anthropics/skills 官方技能库——复制任意 SKILL.md，你的 Agent 就多一项能力。 superpowers 69
obra/superpowers 即插即用的技能，让你的编程 Agent 真正写测试、认真调试。 Skill_Seekers 63
yusufkaraaslan/Skill_Seekers 丢给它一个文档站，还你一个能直接用的 SKILL.md。 ui-ux-pro-max-skill 71
nextlevelbuilder/ui-ux-pro-max-skill 让你的 Agent 别再产出千篇一律的"AI 味"前端。 planning-with-files 68
OthmanAdi/planning-with-files 给你的 Agent 一个持久、基于文件的计划，它真的会照做。 scientific-agent-skills 73
K-Dense-AI/scientific-agent-skills 让 Agent 真正做科学分析的垂直领域技能包。 humanizer 70
blader/humanizer 让 AI 草稿读起来像人写的。 awesome-claude-skills 46
travisvn/awesome-claude-skills 发现下一个 Agent 技能的索引站。 universal-modder 79
rehan-remade/universal-modder 把 Claude 指向任意游戏，让它帮你做修改器。 skills 78
scenario-labs/skills 从任意 Agent 生成可直接投产的图片、视频、音频与 3D。 开源编程 Agent 与编辑器插件。重点比较模型可选范围、自主程度和成本控制。 3 综合
在自己的电脑、工作站或服务器上运行模型。我们重点标出最低显存、平台支持和多快能跑出第一个结果。 1 综合
跨文本、图像、音频和视频的多模态模型与工具。 3 综合
用于衡量模型效果的数据集、基准和评测框架。 2 综合
可自部署的平台，无需从零开发即可搭建对话应用、Agent 和自动化流程。 5 综合
支撑 RAG 和推荐系统的向量数据库与相似度检索引擎。 2 综合
像人一样操作浏览器和桌面的 Agent：点击、输入、读取屏幕。 1 综合