AI编程

AnyText 是一个开源的多语言视觉文本生成和编辑工具，它基于扩散模型，能够在图片中生成或编辑文字。这个工具支持中文、英文、日文和韩文等多种语言，适用于电商海报、Logo 设计、创意涂鸦、表情包等多种场景。AnyText 包含两个核心模块：辅助潜在模块（Auxiliary Latent Module）和文本嵌入模块（Text Embedding Module）。辅助潜在模块负责处理字形、文字位置和掩码图像等辅助信息，而文本嵌入模块则将文字的语义信息与字形信息解耦合，以提高文字生成的精度和背景一致性。在训练阶段，除了使用扩散模型常用的噪声预测损失，还增加了文本感知损失，以提升文字书写的精度。 AnyText 的代码和安装说明可以在其 GitHub 页面上找到。要在本地安装和运行 AnyText，需要至少20GB的内存和高端显卡。安装过程包括克隆代码库、准备字体文件（推荐 Arial Unicode MS），创建新的环境并安装所需的软件包。AnyText 还提供了在线演示，用户可以通过这个演示直接体验其功能。 此外，AnyText 的训练数据集为 AnyWord-3M，主要来源于互联网开

一个自动为视频生成高亮字幕的工具。使用ImageMagick工具，并通过Python环境运行。用户可以通过克隆GitHub仓库、创建Python虚拟环境、安装依赖项，然后使用Streamlit运行应用程序来使用Autocaption。该项目的第一个版本发布于2023年12月20日，它允许用户上传视频并自动添加卡拉OK风格的字幕。

将屏幕截图转换为清洁的HTML / Tailwind / JS代码。 这是一个使用MIT许可证进行许可的项目，因此，它是免费并且开源的。 功能点如下： 1. 屏幕截图转代码：用户通过输入截图，系统将自动将图像转换为HTML，Tailwind，或JS代码。 2. 开源活动：作为GitHub上的公开项目，任何对此项目感兴趣的开发者都可以查看源代码，对其进行修改，或进行贡献。 3. 自动化工作流程：项目包含一系列自动化的功能，可以帮助用户更有效地转换屏幕截图。 这是一个非常实用的工具，对开发者来说，尤其是前端开发者，它可以极大地提高他们的工作效率。

一个基于飞桨（PaddlePaddle）的跨模态大模型开发套件，旨在聚合图像、文本、视频等多种模态，以支持各种跨模态任务

一键免费部署你的跨平台私人 ChatGPT 应用, 支持 GPT3, GPT4 & Gemini Pro 模型。（基于 LangChain 实现插件功能）

EmotiVoice是一个强大的开源TTS引擎，完全免费，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。

MetaGPT 是一个多代理框架，可根据一行要求生成 PRD（产品需求文档）、设计、任务和存储库。 功能特点： 多代理框架：MetaGPT 是一个多代理框架，可以协调多个代理的工作，从而更好地满足需求。 生成多种文档：根据用户的一行要求，MetaGPT 可以生成产品需求文档（PRD）、设计文档、任务列表和存储库等多种文档。 自动化流程：MetaGPT 提供自动化的流程，可以快速生成所需的文档，提高工作效率。 开源许可证：MetaGPT 使用 MIT 开源许可证，使用户可以自由地使用和修改代码。

即时AI设计稿生成， 支持生成web页面设计稿 ，不仅如此，「即时 AI」生成的所有设计稿，都可以通过 全新的「即时上线」功能 ，一键发布为 可在线查看的静态网页！‍ 即时AI生成的设计稿（包括矢量图层和图标）均支持二次编辑。 即时AI识别的不仅仅是单一图层，它已经能够识别页面上的大多数组件，例如按钮、标题栏、底栏等。通过组件级别的识别能力，还能够生成符合不同设计规范的设计稿。

京东推出的设计稿一键生成多端代码， 插件适用范围 Mac ，目前仅支持 Sketch 工具 ，请确保安装 Deco 插件前，已经安装了 Sketch 工具 Deco 利用人工智能，结合各类自动化、工程化等手段，将 Sketch 、 PS 、 图片类 的设计稿转换生成还原度高、可维护强的代码，致力于突破业务生产力瓶颈，为前端大规模、高效率生产提供赋能。 Deco 对视觉稿没有严格的约束，工具对绝大多数场景都做了规则化的适配处理，但仍有少数场景无法完全覆盖: Deco 推荐的设计规范实践: 在设计前台一体化的体系中 Deco 承接设计交付的物料，结合插件标注及AI算法的处理，转化为标准化的楼层代码，实现开发流程的大幅度提效，快速获得楼层和页面，促进商业生产。 Deco 通过标准化的设计物料输入及楼层页面输出，帮助沉淀设计规范和统一开发标准，推进流程的标准化建设，降低人力成本和流程损耗，进一步提高生产质量。 码工具

Semi 设计稿转代码（Semi Design to Code，或简称 Semi D2C），是由抖音前端 Semi Design 团队推出的全新的提效工具。Semi D2C 可以一键将 Figma 设计稿转为前端代码，帮助研发侧快速实现 UI 还原工作，提升研发侧需求交付速度。

CodeFun 是光速软件推出了首款产品，通过 AI 算法，它可以一键将 UI 设计稿（Sketch、Figma、Photoshop）转换成如工程师手写一般的源代码。

SceneXplain 是一项尖端的 SaaS 服务，它使用先进的 AI 技术为上传的图像和视频生成全面而复杂的文本描述。

FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调

PhotoMaker，利用多张照片作为身份ID，获取人物特征，然后根据描述生成符合描述的人物照片创造出一个新的、个性化的人物图像。 PhotoMaker也能把几个不同人的照片特征混合在一起，创造出一个全新的人物形象。还能改变照片人物的性别、年龄和生成多种风格的其他照片。快速逼真，效果自然。 PhotoMaker主要功能： PhotoMaker主要特点： PhotoMaker如何工作？ PhotoMaker首先分析照片，识别出每张照片中人物的特征，比如面部特征、发型、服装风格等。然后，它将这些特征结合起来，创建一个新的图像。这个图像基本上是你的脸，但可能有着电影明星的发型和表情，同时穿着那张历史服装照片中的服装。 最终的结果是一张全新的照片，这张照片展示了一个独特的人物形象：看起来像你，但具有其他照片中人物的特征和风格。这就是PhotoMaker的核心功能——结合多个不同照片的特征，创造出一个全新、个性化的图像。 源码：https://github.com/TencentARC/PhotoMaker

LibreChat，一个增强版的ChatGPT程序，一个免费开源的聊天机器人平台，集成了多种 ai 模型，例如 ChatGPT、OpenAI、BingAI、PaLM 2 等。 LibreChat 允许您与不同的 AI 进行自然且引人入胜的对话，并使用各种功能和插件定制您的体验。LibreChat还集成并增强了原始客户端功能，例如对话和消息搜索、提示模板和插件。 项目地址： https://github.com/danny-avila/LibreChat 官方GitHub：https://librechat.ai 文档： https://docs.librechat.ai