ms-swift：一条命令微调全模态大模型，LoRA 和 DeepSpeed 都搞定
微调一个开源模型，光是环境适配、数据格式化、多卡并行就够…
Open-Sora 开源视频生成：本地复现 Sora 级效果
Sora 刷屏之后，很多团队都在拆解怎么复现，Open-…
PaddleOCR：一行命令搞定中文场景识别，PDF表格文字直接抽
做文档处理的人都知道，把 PDF、截图里的文字和表格变成…
Transformers.js：不用服务器，浏览器里直接跑大模型推理
如果你主要写前端，又想让页面里直接跑模型，这个库值得点开…
Meta SAM 2：开源图像分割模型，物体追踪与视频遮罩一气呵成
搞计算机视觉的朋友肯定对 Meta 的 SAM 不陌生，…
InternVL 视觉语言模型开源：多模态理解与图文对话还能本地跑
如果你正头疼怎么把大模型的能力扩展到图像理解上，又不想被…
对话式AI开发利器！NVIDIA NeMo帮你快速构建定制LLM应用
如果你正为如何高效搭建支持多轮对话、知识检索的 AI 应…
Mochi 1 开源视频生成：一句提示词生成流畅电影级动态
如果你试过 Sora 但没资格内测，或者被闭源模型的价格…
UI-TARS 开源多模态 GUI Agent，让大模型替你操作屏幕
还在为重复的 GUI 操作烦恼吗？由字节跳动开源的多模态…
Vocalize：用 GPU 加速本地语音合成，支持多语言与情感控制
如果你需要在本地快速生成自然、带情感的语音，又不想依赖云…
