AI编程

一个本地的PDF处理工具，其界面为Web UI，支持Docker部署。这个基于网络的本地应用最初完全由ChatGPT创建，之后经过发展，增加了更多功能，满足用户在PDF处理上的多样化需求。 这个工具能够处理各种主要的PDF操作，例如拆分、合并、转换格式、重新排列、添加图片、旋转、压缩等。 此外，Stirling PDF在处理过程中不会对外发送任何数据以进行记录或跟踪。所有的文件和PDF要么只在客户端处理，要么只在服务器内存中暂存，用于执行任务，或者仅在执行任务时保存在临时文件中。一旦用户下载了文件，那些文件就会从服务器上删除。 以下是该工具的一些特性： * 支持深色模式。 * 可自定义的下载选项。 * 文件的并行处理和下载功能。 * 提供API，可与外部脚本整合。 * 可选的登录和认证功能。 以下是该工具的PDF功能： * 页面操作：查看和修改PDF，支持添加注释、绘图、文本和图片；提供完整的交互式界面，用于合并、拆分、旋转、移动PDF及其页面；将多个PDF合并成一个文件；在指定页码处拆分PDF或将所有页面作为单独文件提取；按不同顺序重新排列PDF页面；以90度的增量旋转PDF；删除页

LocalAI是一个可替换的REST API，与OpenAI API规范兼容，用于本地推理。它允许你用消费级硬件在本地或内部运行LLM（而不仅仅是），支持与ggml格式兼容的多个模型系列。不需要GPU。

一个开源的文本转语音工具，其表现可以媲美Elevenlabs。它具有以下特点： 1. 能够自动生成多种不同的语音风格，无需依赖特定的参考语音。 2. 采用特殊的训练方法，使得生成的语音更加贴近真人的说话方式。 3. 利用扩散模型技术，高效地生成不同风格的语音。 4. 提供对语音的精确控制，包括语速、语调等方面。 5. 在测试中，生成的语音质量接近于真人录音。即使没有特定说话者的样本，也能生成高质量的语音。 StyleTTS 2的工作原理是通过风格扩散和与大型语音语言模型的对抗性训练来实现接近人类水平的TTS合成。这个模型与其前身不同之处在于，它通过扩散模型将风格建模为一个潜在的随机变量，以生成最适合文本的风格，而不需要参考语音。此外，StyleTTS 2采用非自回归架构，它在生成语音时不需要依次预测每个音频样本，而是可以并行生成整个语音序列。这种方法大大提高了语音合成的速度。 StyleTTS 2在多个评估结果方面表现出色： 1. 在多个测试中，StyleTTS 2生成的语音质量非常高，接近或达到了真人录音的水平。这表明了其在模仿人类语音方面的高效能力。 2. 在LJSpeech数据集

LLaVA是一个大型多模态模型，旨在实现通用视觉和语言理解。它端到端训练，可以理解文本和图像，并在聊天中灵活运用这些信息。LLaVA在多模态指令跟随数据集上与GPT-4表现相似，相对分数达到85.1%。在Science QA上，其准确率达到92.53%。LLaVA模型将预训练的视觉编码器（CLIP ViT-L/14）与大型语言模型（Vicuna）通过简单投影矩阵连接。训练分为两个阶段：阶段1只更新投影矩阵，基于CC3M子集进行特征对齐预训练；阶段2更新投影矩阵和大型语言模型进行端到端微调，适应日常用户导向应用和科学问答场景。

基于微软 New Bing 用 Vue3 和 Go 简单定制的微软 New Bing 演示站点，拥有一致的 UI 体验，支持 ChatGPT 提示词，国内可用，基本兼容微软 Bing AI 所有功能，无需登录即可畅聊。

GirlfriendGPT是一个使用ChatGPT4.0构建自己的AI女友的Python项目。它可以定制AI的声音、个性和自拍等功能，并且可以通过Telegram直接与AI交流。该项目还提供了添加个性的步骤，并欢迎贡献者提交新的个性。该项目使用MIT许可证。

一个开源版的GPTs，它支持定制聊天机器人，并提供了沙盒环境、自定义工具、数据分析等特性。其旨在创造与OpenAI的GPTs类似的体验。该项目建立在LangChain、LangServe和LangSmith的基础上，用户可以选择语言模型、自定义工具和控制提示等。此外，该项目还提供了简单的托管版本，用户可以直接在网站上体验使用。对于有能力的用户，也可以自行搭建体验。该项目有详细的使用教程。

一个用于实时绘制图形的工具。 功能点： 1. 绘图工具：tldraw-fal提供了一系列绘图工具，包括画笔、形状、文本等，可以帮助用户创建各种类型的图形和图表。 2. 实时协作：该工具支持多人实时协作，多个用户可以同时编辑同一张图形，从而实现团队协作和远程协作。 3. 可视化分享：用户可以将他们创建的图形直接分享给他人，无论是通过链接还是嵌入到网页中，方便他人查看和交流。

ExcelGPT是一个基于ExcelDNA开发的Excel聊天机器人。它与Office和WPS兼容，并提供了一些功能特点。具体来说，ExcelGPT可以帮助您自动化任何工作流程，轻松地托管和管理软件包，发现和修复漏洞，使用AI编写更好的代码，进行代码审查，管理代码更改，计划和跟踪工作等。 关于价格方面，GitHub提供了不同的定价计划，包括免费的个人帐户和付费的团队帐户。您可以根据您的需求选择适合您的定价计划。建议您访问GitHub网站的定价页面，以获取最新的定价信息和详细信息。

UniControl 是 Salesforce 公司开发的一个开源项目，它是一个统一可控的视觉生成模型。 功能特点： 统一视觉生成：UniControl 提供了一个统一的框架来进行视觉生成任务，例如图像生成、图像编辑、图像风格转换等。它为用户提供了强大的图像生成能力。 可控生成：UniControl 具有可控的生成能力，用户可以通过输入不同的控制参数来控制生成的图像风格、内容或其他特征。这使用户可以根据自己的需求进行个性化的图像生成。 开源项目：UniControl 是一个开源项目，意味着用户可以自由地访问、使用和贡献代码。这使得开发者可以更加灵活地使用和扩展 UniControl。

Toshi旨在成为一个类似于Elasticsearch的全文本搜索引擎。Toshi努力成为Elasticsearch的一员，就像Tantivy对Lucene的作用一样。

一个具有高度定制化和隐私控制的聊天型人工智能，适用于各种规模的企业。它提供细粒度的多用户权限控制，可访问聊天记录等功能。同时，该系统兼容多种数据类型，如PDF、Word文档等，可进行与企业相关的各种数据操作。另外，AnythingLLM支持自定义模型，包括GPT-4、自定义模型以及像Llama、Mistral等开源模型。除此之外，用户还可以进行外部数据导入，并具备灵活的第三方控制和开源支持等特点。 功能点总结： 1. 高度定制化：适用于各种企业规模 2. 隐私控制：保护数据隐私，确保数据不离开用户实例 3. 多用户权限控制与安全：细粒度权限设置，符合合规要求 4. 数据兼容性：支持多种文档类型，如PDF、Word文档等 5. 自定义模型支持：不局限于单一提供商，可以使用企业模型或开源模型 6. 外部数据导入：用户可以上传PDF、Word文档等，拓展聊天机器人的知识库 7. 第三方控制与开源支持：自由选择第三方供应商，支持开源软件，提供透明性和定制化 8. 完整API支持和外观定制：提供全面的开发者API，外观可定制化 希望这能对您有所帮助。如果您有其他问题或需要进一步的解释，请告诉我。

GPT-Pilot不仅仅是一个简单的AI工具，而是一个能够从头到尾执行整个开发流程的全能助手。从零开始，它能够独立编写代码、配置开发环境、管理任务，甚至解决复杂的开发问题。 在编码环节，GPT-Pilot具备强大的自动化编码能力。无论是前端、后端还是数据库代码，它都能快速生成，大大提高了开发效率。 在开发过程中，GPT-Pilot与开发者的交流是一大亮点。你可以告诉它想要创建的应用类型，它会通过对话方式澄清需求，并确保开发方向与预期一致。此外，它还能自动设置和调整开发环境，处理各种任务和配置，甚至自动安装所需的库和工具。 更令人惊叹的是，GPT-Pilot不仅能编写代码，还能根据开发者描述创建明确的产品和技术要求。在整个开发过程中，它都会分阶段完成项目，并及时寻求反馈，以确保项目进展顺利。 当然，开发过程中难免会遇到问题。GPT-Pilot同样具备强大的调试和问题解决能力。当遇到难题时，它会主动与开发者交流，共同寻找解决方案。 为了更好地服务于开发者，GPT-Pilot还推出了VS Code扩展。这使得它不仅仅是一个简单的自动完成或帮助工具，而是一个能够真正与开发者合作、共同完成开发任

AutoX是一个在安卓平台上运行的UiAutomator，它可以用于自动化测试和操作安卓设备。与其他类似工具不同的是，AutoX无需获取设备的root权限。它基于JavaScript语言，具有简单易用的界面和强大的功能。

一个能够将文本实时转换为语音的解决方案。它具有即时反应能力，可以在文本输入的同时立即开始语音合成，无需等待整个文本输入完毕。此外，RealtimeTTS还采用了流式处理技术，可以处理持续不断的文本流，而不仅限于单个、静态的文本块。 该解决方案还采用了先进的算法来精准识别句子的结束点，从而加快了语音合成的开始速度。无论文本是长是短，RealtimeTTS都能保持快速响应，适用于各种长度的文本。此外，它还具有多引擎兼容性，能够与多个语音合成引擎协同工作，例如Azure、Elevenlabs、Coqui XTTS等。 RealtimeTTS还具有很高的可扩展性，它允许添加自定义的文本到语音引擎，提供了更大的灵活性和扩展性。总之，RealtimeTTS是一个非常适合需要实时语音反馈的应用场景的工具，如交互式教学、游戏、实时翻译或语音助手等。通过即时反应和流式处理技术，它能够提供一个流畅且自然的用户体验。