AI编程

一个开源的聊天用户界面，基于OpenAI聊天模型搭建的高级聊天机器人套件，使用Next.js、TypeScript和Tailwind CSS。它与官方的ChatGPT界面非常相似，可以自定义提示词，支持数据导入导出，还支持谷歌搜索插件。用户需要自备OpenAI密钥，并且支持最新的GPT-4模型。该工具可以在本地部署，也可以利用Vercel一键部署，完全免费，无需服务器即可搭建，绑定自己的域名后国内也可使用。用户可以创建多个聊天窗口，进行搜索，聊天记录导入导出等操作。

TwinSync是一个开放AI平台，可以实现多种功能，包括：TalkSync（上传10秒视频，将自己的外貌复制，使其完成任务），FaceShift（将任何视频中的任何人的面部替换为单张照片），LipSync（修改视频中的声音和唇同步，支持多种语言），VideoChat（上传照片，使用AI聊天机器人与客户或朋友视频聊天），以及ActionShift（将任何照片转换为视频，以完美匹配自定义上传视频中的角色姿势和动作）。它还为企业和开发人员提供API接口，以支持创新，帮助初创企业蓬勃发展。

几何感知的 360 度 3D 全头合成技术问世 – 可以从一张照片中构建 3D 头部的生成技术！

3DFY 是一款利用生成式人工智能从文本或图像中创建高质量3D模型的工具。它提供了多种服务，包括文本到3D web和API服务，大规模3D数据集生成，图像到3D服务等等。该工具的过程是预处理、分析和综合，可以生成具有高质量UV映射的多个细节级别（LOD）的3D资产，以适应您的项目范围。无论您是想快速创建3D模型还是生成具有高质量UV映射的3D资产，都可以使用这个工具。

Quivr是一款使用生成AI技术来存储和检索非结构化信息的“第二大脑”。以下是Quivr的一些功能特点：

一个可定制的 AI 聊天组件，能够轻松地将 AI 聊天机器人嵌入到任何网站中。它支持多媒体交互、音频和视频捕捉、语音到文本和文本到语音等功能，并且界面高度可定制。Deep Chat 可以集成到各种现代网页框架中，如 React、Vue、Angular 等，是一个全面、多功能的聊天解决方案。作为一个开源项目，您可以根据需要修改源代码，或者参与到社区中，以贡献新的功能或改进。

构建一种功能强大的多模式搜索机制，可于您的应用中使用。通过我们的API，您可以轻松地进行图像、视频、音频和其他人工智能的搜索。

基于Chatgpt自主开发的翻译软件，支持翻译、输出、润色、分析和代码批注，可以在github上下载客户端使用

Steamship 是一个用于构建 AI 代理的平台。它的设计简单易用，但功能强大，足以构建复杂的代理。我们的 SDK 使您能够用 Python 构建代理，而我们的 CLI 使您可以轻松地将它们部署到云中。

基于私有LLM（大语言模型）做个人的文档问答，不必担心隐私泄露 技术栈是 LangChain 和 GPT4All – LLM默认用的 ggml-model-q4_0.bin. – Embedding默认用的是 ggml-model-q4_0.bin 当然你可以自己替换，不过对中文支持应该不会太好。

GPT4Tools是一个可以控制多个视觉基础模型的集中式系统。它基于Vicuna（LLaMA），并71K自建指令数据。通过分析语言内容，GPT4Tools能够自动决定、控制和利用不同的视觉基础模型，允许用户在对话过程中与图像进行交互。通过这种方法，GPT4Tools提供了一个无缝高效的解决方案，以满足对话中各种与图像相关的需求。与以前的工作不同，我们支持用户通过自学指令和LoRA教授自己的LLM使用具有简单细化的工具。

Ex-Human是一个数字人平台，允许任何人创建支持超现实对话的交互式AI人类。这个API为开发者提供了广泛的工具和功能，以建立交互式人工智能人类。

gpt-engineer是一个人工智能程序，可以根据用户给出的提示构建代码。该程序会要求用户提供澄清信息，并生成一个完整的代码库。这个项目的哲学思想是简单易用，灵活易扩展，让AI学习用户的编码风格。 ▸提出详细问题 ▸生成技术规范 ▸编写所有必要的代码 ▸轻松添加自己的推理步骤、修改、实验 ▸让您在几分钟内完成编码项目

Listnr是一个人工智能语音生成器和文本到语音的在线工具，允许用户从142种不同语言的900多个声音的文本创建逼真的画外音。

Tabby是一款自助式AI编码助手，提供了开源和本地部署的替代方案。它具有自包含的特点，不需要DBMS或云服务的支持。同时，Tabby还支持OpenAPI接口，方便与现有基础设施（如云IDE）集成。此外，它还支持消费级GPU，并可通过Docker命令轻松启动Tabby服务器。 要获取Tabby的代码，只需克隆GitHub仓库即可。构建Tabby需要先设置Rust环境并安装所需的依赖项，然后通过运行 cargo build 命令来构建项目。如果您想为Tabby做出贡献，可以提交Pull Request。您还可以查看Tabby的Star历史以了解该项目的受欢迎程度。