AsrTools-智能语音转文字工具

这个开源项目是一个实现了ChatGPT的SwiftUI版，支持苹果全平台。它目前还不支持会话列表和streaming，但已经有了一些基本的雏形功能。

StreamingT2V 是一种自回归方法，用于生成具有平滑过渡的长视频，支持80、240、600、1200帧或更多帧的生成。该方法通过一致的块转换和长期记忆块，确保生成的视频在动态性和连贯性上的高质量表现。

这个开源项目的主要功能是解答SEC 10-K和10-Q报告的问题，并且还支持跨文档对话。通过这个项目，还可以展示人工智能的思考过程。

Awesome-FLUX-DiT是一个基于FLUX/DiT的扩散模型集合，支持图像和视频的生成、编辑、重建和修复等功能，旨在为用户提供丰富的多媒体处理能力。

Whisper Web 是一个开源项目，允许用户在浏览器中运行基于机器学习的语音识别，无需后端服务器。它利用 WebGPU 技术实现加速，用户可以轻松进行语音转文本，并支持将识别结果导出为 TXT 和 JSON 文件格式，完全开箱即用。

一款命令行工具，可以让你了解过去一年中在终端上使用的命令行情况，如每日最活跃时段，以及常用命令统计，并生成类 GitHub 的年度命令分布图。

Shell AI 是一种新的开源 CLI，允许您直接在终端中运行自然语言查询，利用先进的语言模型，简化用户与命令行的交互。它构建在 InquirerPy 之上，提供了一个友好的交互式界面，使得命令行操作变得更加直观和易用。

GPT4视觉用例集锦是一个集合了多种视觉任务的项目，基于最新的GPT-4模型，提供丰富的示例和用例，旨在帮助用户更好地利用视觉技术。该项目采用易于使用的API接口，支持图像分类、对象检测、图像生成和视觉问答等功能，适用于广泛的应用场景。

Vocode是一个让用户能够轻松构建基于语音的LLM应用程序的工具。它支持实时流式对话，可以将应用程序部署到电话呼叫、Zoom会议等多种场景中。同时，它也适合构建个人助手或类似基于语音的棋类应用，具备模块化设计，便于扩展，且为开源项目，受益于社区的不断发展。

HyperHDR是一个基于现代数字视频和音频流分析的开源环境照明实现，专为Windows、macOS和Linux（包括x86和Raspberry Pi / ARM）进行了高度优化。该项目旨在提供卓越的环境照明效果，使用户能够根据实时视频和音频内容调整照明，从而提升视听体验。

Roop是一个高效的视频处理工具，利用换脸技术修复虚焦的人脸。用户可以选择一张清晰的人脸图像作为参考，轻松地修复模糊视频。该工具支持长时间视频处理，且处理参数可根据用户需求进行调整，确保换脸效果的质量。

bricks是一个模块化的自然语言处理工具，包含分类器、提取器和生成器等众多基础模块，支持多种NLP任务，具有开源和易于扩展的特点。

一个专门面向长视频生成的电影级数据集，特点是包含完整电影长度的视频、连贯的故事情节和多场景叙事，确保角色外观和音频在不同场景中的一致性，并提供分层的数据结构，包含高层电影信息和详细的镜头级描述

Alpaca-family-library是一个开源项目，主要总结了所有低成本的Chatgpt复制方法。这个项目涉及机器学习方面的内容。

一个专门收集主流软件的开源替代列表，详细介绍各种知名主流软件的开源替代及其优缺点，并提供类似替代推荐。

一个利用GPT-4生成iOS代码的项目，旨在帮助开发者快速生成和优化iOS应用程序的代码。该项目支持多种编程语言，提供代码优化建议，并集成简单易用的接口，使得开发者能够高效地进行代码开发和调整。

初步探索复现o1类多模态大型语言模型，旨在通过结合视觉和文本数据，提升模型的推理和理解能力，推动人工智能在复杂任务中的应用

pdftris是一个在纯PDF文件中实现的互动俄罗斯方块游戏，用户可以直接在浏览器中运行，无需安装任何软件，依赖于现代桌面浏览器的PDF引擎（PDFium 和 PDF.js）。该项目还提供了PDF演示文件，方便用户体验游戏。