AI 创作

基于节点图的模块化扩散模型创作引擎，支持图像、视频、3D、音频生成，本地推理速度极快。

基于 Gradio 的 Stable Diffusion 网页界面，支持文生图、图生图、局部重绘与插件扩展。

开源图像/视频超分辨率与修复算法，用合成数据训练，支持动漫与实拍画质增强。

腾讯 ARC 开源的实用人脸修复算法，基于 GAN 先验修复模糊老照片，支持 CPU 与 Windows 运行。

基于 CTranslate2 的 Whisper 语音识别重实现，速度更快、显存占用更低，支持量化与本地部署。

超写实 AI 语音平台，提供语音合成、克隆、配音与语音 Agent，支持 70+ 语言。

开源AI数字人工具，单张照片加音频即可生成逼真的说话头视频，CVPR 2023论文项目。

基于深度神经网络的开源人声分离工具，带图形界面，可提取伴奏与人声。

开源语音音色转换（变声）框架，10 分钟语音即可训练模型，带网页界面与实时变声。

基于 SDXL 的开源离线 AI 绘图软件，无需调参，专注提示词即可生成高质量图像。

Meta 开源的音乐源分离模型，可将歌曲分离为人声、鼓、贝斯等音轨，基于混合 Transformer 架构。

开源框架，用于构建可实时听、说、看的多模态语音 AI Agent，支持 WebRTC 与电话接入。

面向 Stable Diffusion 等模型的本地开源 AI 绘图引擎，提供 WebUI、统一画布与节点式工作流。

开源语音识别工具包，支持训练、推理、流式 ASR、VAD、标点与说话人分离，并提供 OpenAI 兼容与 MCP 服务。

输入主题或关键词，自动生成脚本、素材、字幕与配乐，一键合成高清短视频的开源工具。

云端 AI 视频创作平台，提供 Gen-4.5 视频生成模型与图像、音频编辑工具，并有开发者 API。

快手开源的高效人像动画模型，可让静态人像、猫狗照片动起来，支持视频驱动与精准编辑。

AI 语音平台，提供超低延迟 TTS API、200+ 拟真音色与对话式语音 Agent，支持 35+ 语言。

Meta 开源的生成式音频代码库，含 MusicGen 文生音乐与 AudioGen 音效生成。

基于 Whisper 的快速语音识别工具，支持词级时间戳与说话人分离，速度可达实时 70 倍。

ComfyUI 的扩展管理器，可安装、删除、启停自定义节点，并提供节点信息中心。

基于大模型的多语言语音生成系统，支持零样本语音克隆、流式合成与指令控制。

知名 AI 绘图工具，以生成高质量、艺术感强的图像著称，同时探索视频模型。

免费开源的 AI 图像修复工具，可擦除物体、替换内容并支持扩图，完全本地部署。