AI编程

DWPose:用于检测视频中人物的动作 该系统基于MMPose和ControlNet,能够识别视频中的人物的面部和身体动作，为后续的SD绘图提供支持。

Mac 上的一个多模态 AI 助手，能支持语音和截图，借助 GPT-4V 的多模态能力，可以基于当前屏幕截图和指令可以回复问题。

QAnything ( Q uestion and A nswer based on Anything ) 是致力于支持任意格式文件或数据库的本地知识库问答系统，可断网安装使用。 您的任何格式的本地文件都可以往里扔，即可获得准确、快速、靠谱的问答体验。 目前已支持格式: PDF ， Word(doc/docx) ， PPT ， Markdown ， Eml ， TXT ， 图片（jpg，png等） ， 网页链接 ，更多格式，敬请期待… QAnything官网： https://qanything.ai/ 开源GitHub： https://github.com/netease-youdao/QAnything

一个可以自己托管的 Whisper 解决方案，服务端是 Python，客户端是 JS，基于 WebSocket 实时通信，可以做到语音的实时传输和文本转换。

LlamaIndex 推出聊天机器人应用，支持设置prompt、上传文件聊天、分享聊天，基本是一键部署。

基于ChatGPT的微信机器人

专门用于生成 SQL 语句的模型

一个使用自然语言进行交流的应用程序，它是通过 OpenAI Functions 和 Vercel AI SDK 构建的。该应用程序允许用户使用自然语言与 Hacker News 进行对话。它的功能包括提问问题、获取新闻、搜索主题等。

这是一个借助大语言模型（LLM）处理音频的工具，可以： – 生成音乐 – 背景音效 – 音频生成字幕 – 文字生成音频 – 文字生成音频并模拟声音 – 根据图片生成音频 – 对音频进行inpaint（局部屏蔽） – 根据音频和人脸照片合成视频 – 检测音频中的事件，以及开始和结束时间 – 单声道变双声道 – 通过文本描述检测特定声音发生的时间 – 抽取某种声音 – 去除背景噪音 多人混合声分离出单人声音 语音翻译 http://github.com/AIGC-Audio/AudioGPT 演示：https://huggingface.co/spaces/AIGC-Audio/AudioGPT 论文：https://arxiv.org/abs/2304.12995

一个轻量级的 JavaScript（没有依赖项），为 SVG 设置动画，使它们看起来像是被绘制的。 提供多种不同的动画选择（延时、同步、连续、定时等），还可选择创建自定义脚本，以您喜欢的任何方式绘制 SVG。（ SVG 源文件需要保留路径，使用路径描边生成的动画非常丝滑）

牛津大学的研究人员提出了Farm3D：一个人工智能框架，可以通过提炼二维扩散来学习有关节的三维动物，用于视频游戏等实时应用

一个用于将PDF文件转换为HTML格式的开源工具。它是由coolwanglu在GitHub上开发和维护的。这个工具的主要功能是将PDF文件中的文本、图像、表格等内容提取出来，并将其转换为可以在网页浏览器中显示的HTML格式。 pdf2htmlEX支持多种操作系统，包括Windows、Linux和macOS。它具有简单易用的界面，用户只需通过简单的命令行操作即可完成PDF到HTML的转换。此外，pdf2htmlEX还提供了一些高级功能，如自定义输出样式、设置转换参数等，以满足不同用户的需求。

OwO-Network/DeepLX是一个开源项目，它基于DeepL免费服务，将其转换为本地API，提供给第三方程序使用，例如沉浸式翻译、Bob等。DeepLX默认监听本地1188端口，提供多种安装方式，包括Windows、macOS、Linux和Docker。 DeepLX是无限制请求次数的，但DeepL可能会限制IP。在Python中使用DeepLX时，如果遇到429错误，表示你的IP已被暂时屏蔽，请不要频繁请求。

输入文字即可编辑视频，包括修改风格、修改局部画面、视频混合、视频扩展。

Facebook AI推出了一款多语言语音识别模型，它是目前最先进的系统之一，可以同时支持多种语言的语音识别，包括非标准化和口音较重的语音。该模型使用了先进的深度学习技术和自监督学习方法，以更好地利用大量未标记的数据进行训练，并在多项基准测试中取得了最优秀的结果。这一技术的应用可以极大地提高语音识别的准确性和可用性，为用户提供更好的语音交互体验。