项目框架

AI Agent案例集合。收录了 500 多个 AI Agent 项目和应用案例，涵盖医疗、金融、教育、零售等多个行业，每个案例都配有详细说明和开源代码链接，便于开发者参考和学习 。

LeRobot 是由 Hugging Face 推出的一个开源机器人项目，旨在通过提供模型、数据集和工具，降低机器人开发的门槛，使更多人能够参与和受益于机器人技术的发展。

一键将音视频转化为小红书/公众号/知识笔记/思维导图/视频字幕等各种风格的文档。

PPTist 是一个基于 Web 的演示文稿（幻灯片）应用，旨在为用户提供类似于 Microsoft Office PowerPoint 的功能。

opencode 是一个专为终端设计的 AI 编程代理（AI coding agent），旨在提供类似 Claude Code 的功能。支持 OpenAI、Google、Anthropic 等模型，甚至本地模型。

MultiTalk 是一个音频驱动的多人物对话视频生成系统，支持多人对话、互动控制、卡通角色生成、唱歌等。

Edge-TTS 是一个基于微软 Azure 文本转语音（TTS）功能的 Python 库，旨在为开发者提供简单、高效、免费的文本转语音解决方案。

GPT-SoVITS 是一款创新的开源声音克隆工具，它将 GPT 模型与 SoVITS 技术相结合，能够在样本数据极少的情况下，实现高质量的语音克隆和文本到语音转换（TTS）。

Fish Speech 是一个由 Fish Audio 团队开发的文本转语音（TTS）技术，旨在利用先进的机器学习和深度学习技术将文字转换为自然流畅的语音输出。

百度飞桨（PaddlePaddle）平台上的一个开源语音处理工具包，旨在为语音识别、语音合成、语音翻译、语音识别、语音分类、语音标点恢复、语音情感分析等任务提供全面的解决方案。

Xinference 是一个功能强大且功能全面的分布式推理框架，旨在简化大语言模型（LLM）、语音识别、多模态模型等多种AI模型的推理任务。

Browser Use 是一款专为大语言模型设计的智能浏览器工具。它是将 AI 智能体与浏览器连接起来的最简单方式，通过提供强大且简单的浏览器自动化接口，让 AI 智能体能够访问各类网站。

olmOCR是一个用于将PDF、图像等基于图像的文档转换为可读、纯文本格式的工具。

一个完全本地运行的 AI 助手，旨在替代传统云端 AI 服务，提供多种功能，包括智能网页浏览、代码编写、任务规划、语音交互等，支持多种编程语言和多语言支持。

DroidRun 是一个开源框架，旨在通过自然语言命令控制 Android 设备，实现移动设备的自动化操作。