yongshuai1013 - Network

#開源分享...

#開源分享 一款唇形同步工具：KeySync，核心能力是解決了表情洩漏以及遮擋問題，唇部動作不會受到原始影片人物表情，或是嘴部被遮擋而影響同步效果

能處理高解析度影片，可以準確的把生成的唇部動作與新音訊對齊，避免音畫不同步

它的兩階段框架設計，能使時間連貫性保持的較好，使得嘴型變化自然流暢

可以通過調整參數控制動畫的生成過程，比如指定遮擋物體的位置

專案地址： github.com/antonibigata/keysync

#唇形同步 #KeySync

#開源分享...

#開源分享 一款Zotero的中文翻譯插件：zotero-pdf2zh，可以生成中英對照版本

支持多種翻譯樣式，比如純中文版、中英對照版、雙欄論文轉單欄、中英文對照排版等

支持自訂中文字體，可以批次處理多文件

對經常需要閱讀英文文獻的人用起來應該會比較順手

專案地址： github.com/guaguastandup/zotero-pdf2zh

#AI文獻翻譯 #AI文件翻譯工具

#開源分享...

#開源分享 比較實用的一個跨空間語音翻譯項目：Spatial-Speech-Translation
可通過雙耳可穿戴設備在多說話人和干擾條件下進行語音翻譯，並且能保留聲音原來的方向感

能即時語音翻譯，在Apple M2晶片上實現了即時推理

在翻譯的同時保留了說話人的語氣情感，使翻譯後的語音更自然流暢

目前開源的翻譯語言對是法語到英語

專案地址： github.com/chentuochao/Spatial-Speech-Translation

#AI翻譯 #即時翻譯

#開源分享...

#開源分享 集成PDF處理、AI翻譯、RAG檢索、AI問答及語音聊天於一體的一款學術論文閱讀工具：mad-professor

導入PDF後它會自動提取、翻譯和結構化論文內容，並且支持中英文對照閱讀

支持AI智慧問答，分屏界面，左側論文右側AI問答，可以語音提問和TTS語音回答

mad-professor被賦予了個性角色，回答問題時會帶有教授的性格和情感特點，支持更換不同的教授人設/聲音

專案地址： github.com/LYiHub/mad-professor-public

#論文AI助手 #AI助手

#開源分享...

#開源分享 專用於做深度公司調研的一個多智慧體：company-research-agent，告訴它需要了解的公司，它會自動從各渠道收集資訊，並整理成詳細的分析報告

會從公司網站、新聞報導、財務報告以及結合行業分析等多個來源收集數據資訊

它用Tavily的相關性評分進行內容篩選，以確保資訊的準確性、有效性，並且即時展示研究進度和結果

最後把分析結果自動整理成結構化的報告

可以用來做企業調研或競品分析等，還比較實用方便的

專案地址： github.com/pogjester/company-research-agent

#企業調研助手 #AIagent #companyresearchagent

#開源分享...

#開源分享 開源版本DeepWiki，代碼說明書自動生成器：deepwiki-open

給它一個GitHub/GitLab地址，它就能自動分析代碼結構和關係，自動生成該項目的詳細說明文件，還能畫出圖表來解釋代碼是怎麼運作的

支持自動生成Mermaid圖表展示架構和數據流
支持Docker或本地部署

專案地址： github.com/AsyncFuncAI/deepwiki-open

#DeepWiki #DeepWikiopen #AI代碼文件整理工具

#開源分享...

#開源分享 一款程式設計師的工作協作AI神器：KoalaWiki，這是一個基於AI的代碼知識庫平台，可以自動解析你的Git代碼倉庫，生成比較詳細、結構化的代碼文件和項目見解

支持添加和管理多個Git代碼倉庫
倉庫分析完成後，可通過導航樹瀏覽代碼文件

這個項目可以用於新開發人員快速上手、遺留項目的知識梳理、技術文件標準化等等

專案地址： github.com/AIDotNet/KoalaWiki

#KoalaWiki #AI代碼工具

#開源分享...

#開源分享 新出的一款輕量級音訊模型：Aero-1-Audio，1.5B參數，在一些基準上表現出了與Whisper、Qwen-2-Audio相當甚至更優的性能，尤其是在參數效率方面

它是基於Qwen-2.5-1.5B構建的，核心是能處理15分鐘的連續音訊，並且無需分割成小塊，這使它的整體理解的連貫性和穩定性比較好

支持語音識別、音訊理解、音訊指令遵循等任務

在語音識別任務中，其在AMI、LibriSpeech以及SPGISpeech等數據集的測試子集上取得了最低的詞錯誤率

適合在資源受限情況下部署高品質音訊處理功能的場景，比如手機語音助手、會議記錄和轉寫系統、或者課堂即時語音轉寫等等

模型： huggingface.co/lmms-lab/Aero-1-Audio

#音訊模型 #Aero1Audio #Whisper

#開源分享...

#開源分享 直接在代碼編輯器裡查看Deepwiki內容的MCP：deepwiki-mcp，相當於內建了個文件瀏覽器，非官方的但比較實用

它通過MCP獲取Deepwiki的URL，抓取相關頁面，轉換為Markdown格式，並把結果返回給代碼編輯器

那你就可以直接在Cursor等中查看，不用再打開瀏覽器，即可即時獲取最新文件了

它可以抓取單頁或整個文件，能保持文件結構，並去除廣告/導航欄等無關內容

不需要註冊帳號或者API金鑰即可使用

專案地址： github.com/regenrek/deepwiki-mcp

#MCP #deepwikimcp

#開源分享 註冊新網站時，找個簡短好記的域名頗為頭疼，此時 Domain Scanner...

#開源分享 註冊新網站時，找個簡短好記的域名頗為頭疼，此時 Domain Scanner 這款域名掃描工具能派上用場。

它能幫助我們快速篩選真正可用的域名，不僅能同時檢查 DNS 記錄、WHOIS 資訊和 SSL 證書，還支持用正則表達式篩選、多執行緒並發掃描，甚至能直觀顯示已註冊域名的驗證簽名。

專案地址： github.com/xuemian168/domain-scanner

主要功能：

- 多種驗證方法綜合檢查，杜絕誤判
- 高並發多執行緒掃描，檢查速度提升數倍
- 靈活的正則表達式過濾，精準定位理想域名
- 智慧錯誤處理和重試機制，結果更可靠
- 即時進度跟蹤，直觀顯示掃描狀態
- 分類保存結果，方便後續篩選和使用

工具基於 Go 開發，複製項目代碼到本地，並安裝依賴，就能開始使用這個強大的域名掃描工具。

#域名掃描

#開源分享...

#開源分享 想要讓玩具、公仔變得會說話、有情感，現有的方案要嘛太貴太複雜，要嘛就是需要一直連著手機，用起來特別不方便。

為了解決這些問題，GitHub 上開源項目 ElatoAI 給出了解決方案，基於 ESP32 微控制器和 OpenAI Realtime API 開發。

它能讓你的玩具變成真正的 AI 伙伴，支持超過 10 分鐘的連續自然對話，語音識別和回應都非常流暢。

專案地址： github.com/akdeb/ElatoAI

主要功能：

- 即時語音轉語音：基於 OpenAI 即時 API，對話極其自然流暢
- 自訂 AI 角色：可以設置不同的性格和聲音
- 簡單硬體設計：只需一塊 ESP32-S3 開發板即可實現
- 安全通信：使用加密 WebSocket 傳輸數據
- 全球低延遲：依靠 Deno Edge Functions 實現全球範圍內低於 1 秒的延遲

該項目的前端、伺服器和韌體代碼已開源，對 AI 玩具或 AI 伴侶等產品感興趣的開發者可以看下。

#ElatoAI

#開源分享 英偉達新放出了一款事物描述多模態LLM：Describe...

#開源分享 英偉達新放出了一款事物描述多模態LLM：Describe Anything，你指定圖像或影片中某個特定區域，它能給你生成詳細的描述

可以使用點、框、塗鴉或掩碼來指定區域，能根據指令生成不同細節及風格的描述，可以進行零樣本區域問答

舉個例子，讓它描述照片裡的一隻狗，它可以告訴你：“這是一隻中等大小的紅棕色狗，有著白色的腹部和腿，尾巴濃密，耳朵尖尖，戴著帶有銀色標籤的紅色項圈……”

可以用來輔助視覺障礙人士、醫學影像分析、電商商品描述等等

除了識別目標對象，它還能描述其紋理、顏色、形狀、顯著部分等細節特徵。對於影片類輸入也一樣，除了描述單幀圖像中的對象，還能跟蹤對象在影片中的運動和變化，並描述變化

模型： huggingface.co/collections/nvidia/describe-anything-680825bb8f5e41ff0785834c
專案地址： github.com/NVlabs/describe-anything

#DAM #事物描述模型

#開源分享...

#開源分享 收集了包括Cursor、Manus、Devin、Windsurf等在內的AI工具系統提示詞庫

庫裡提供了6500+行、9個工具的系統提示詞參考，包括開源和閉源的，可以了解不同AI工具的設計思路，用來學習研究

v0、Manus、Cursor、Same、Lovable、Devin、Replit Agent、Windsurf Agent以及VSCode Agent 這9個

Cursor的提示詞強調了代碼修改的安全性、可用性以及工具使用規範，來約束AI減少幻覺；Manus也有200多行

專案地址： github.com/x1xhlol/system-prompts-and-models-of-ai-tools

#提示詞 #AI編程助手 #Cursor #Manus

#開源分享...

#開源分享 一句話創建智慧體的工具：Cooragent，可與其他智慧體協作完成複雜的任務，支持MCP

有兩種工作模式：
1、Agent Factory：
只需描述，Cooragent就會根據需求生成一個智慧體，其自動分析需求，透過記憶和擴展深入理解用戶需求，挑選合適的工具自動打磨Prompt，逐步完成智慧體構建

2、Agent Workflow：
只需描述目標任務，Cooragent會自動分析任務需求，挑選合適的智慧體進行協作

提供CLI工具，可以快速創建，編輯，刪除智慧體

專案地址： github.com/LeapLabTHU/cooragent

#AI智慧體 #Cooragent #manus

#開源分享...

#開源分享 這款“白板+代碼編輯器”的組合工具火了，pad.ws

它把白板和IDE合二為一，開發者可以在同一界面裡畫圖和編程，實現邊畫邊寫程式碼，在視覺化構思和編程之間無縫切換

用Excalidraw作為白板界面，Coder提供雲端開發環境
支持VS Code、Cursor等

專案地址： github.com/pad-ws/pad.ws

#編程工具

#開源分享...

#開源分享 微軟髮布了一個文件轉換MCP：markitdown-mcp，用於將網頁連結(http/https)、本地文件以及數據轉換為Markdown格式！

主要是調用MarkItDown進行格式轉換。可以通過Docker運行或直接安裝，也可以與Claude等AI工具集成使用

專案地址： github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp

#MCP #markitdown

#開源分享...

#開源分享 基於人類大腦工作原理設計的一款AI記憶系統：HawkinsDB，讓AI可以像人類一樣儲存和回憶資訊

它基於Jeff Hawkins的“千腦理論”，幫助AI模型以更強大且直觀的方式管理複雜資訊

想像一下我們的大腦，不僅僅是記住一堆零散的事實，而是將它們關聯起來形成一個複雜的知識網路，HawkinsDB就是想讓AI也能像人類大腦一樣記憶和理解資訊

HawkinsDB不依賴於模糊的相似性搜索，而是支持精確的，具備上下文感知的查詢，理解數據的實際含義和關係

它將語義記憶、情景記憶和程序記憶統一到一個框架中，使AI能像知識圖譜一樣，不僅儲存資訊，還記錄資訊之間的關係，從而理解和應用不同類型的知識

可作為LLM應用的記憶層，比較適用於RAG系統

專案地址： github.com/harishsg993010/HawkinsDB

#AI記憶系統 #HawkinsDB

#開源分享 一款用於構建、測試和最佳化智慧體工作流的開源工具：Sim...

#開源分享 一款用於構建、測試和最佳化智慧體工作流的開源工具：Sim Studio

提供可視化編輯環境，支持節點式工作流設計
支持本地AI模型

可以用來開發聊天機器人、工作流自動化、設計智慧處理流程等

專案地址： github.com/simstudioai/sim

#AIagent #AI助手 #SimStudio

#開源分享...

#開源分享 微軟開源了一個基於《當個創世神》的即時開源互動式世界模型：MineWorld，它可以根據玩家的動作預測遊戲世界接下來的變化，並即時生成新的遊戲畫面

它的核心是一個視覺動作自回歸Transformer模型，它接收遊戲場景和對應玩家動作的配對數據作為輸入，預測接下來的新場景

預測速度非常快，可以做到即時更新

它研發了一種新的並行解碼算法，可以同時預測每一幀中空間冗餘的 token，使不同規模的模型能夠達到每秒生成4到7幀的速度，實現與玩家的即時交互

專案地址： github.com/microsoft/MineWorld

#世界模型 #MineWorld

#開源分享 把Claude的工具能力移植到本地模型的Ollama...

#開源分享 把Claude的工具能力移植到本地模型的Ollama MCP工具：ollama-mcp-bridge

使本地AI助手具備文件操作、網路搜尋、郵件以及文件管理、代碼和GitHub交互、圖像生成以及持久記憶體等能力

支持多個MCP，具備動態工具路由功能，支持結構化的輸出驗證，可根據提示自動檢測工具

專案地址： github.com/patruff/ollama-mcp-bridge

#MCP #ollamamcp