懂AI
awesome-generative-ai

awesome-generative-ai

现代生成式人工智能项目和服务指南

awesome-generative-ai是一个综合性平台，聚焦最先进的生成式人工智能技术与项目。这些技术基于丰富数据训练的机器学习算法，能创造独特的图像、声音和文本。覆盖艺术、编程支持、交互式聊天等多个应用领域，本平台不仅展示成熟项目如GPT模型、Stable Diffusion，也鼓励社区成员贡献想法，共推技术进步。

Generative AI人工智能OpenAI机器学习内容生成Github开源项目
GitHubHugging Face

项目介绍：awesome-generative-ai

概述

awesome-generative-ai 是一个经过精心整理的现代生成式人工智能项目和服务列表。生成式人工智能（Generative AI）是一种利用经过大量数据训练的机器学习算法创建原创内容的技术。这些原创内容包括图像、声音和文本等，相较于其他形式的人工智能，生成式AI可以创作出独特且前所未见的作品，如照片级逼真的图像、数字艺术、音乐和写作等。这些作品拥有独特的风格，有时甚至难以与人类创作的作品区分开来。目前，生成式AI广泛应用于艺术、娱乐、营销、学术和计算机科学等多个领域。

社区贡献

awesome-generative-ai 项目鼓励社区贡献。在提交建议之前，请参考贡献指南，确保您的条目符合标准。可以通过拉取请求添加链接，或创建问题以发起讨论。此外，还可以在发现列表中找到更多生成式AI项目，展示各种新兴项目。

内容目录

  • 推荐阅读
  • 文本
  • 编码
  • 代理
  • 图像
  • 视频
  • 音频
  • 其他
  • 学习资源
  • 更多列表

推荐阅读

推荐阅读部分包括一系列关于生成式AI的文章和研究报告，例如：

  • 大型语言模型如何改变科学、社会和AI。
  • 对生成式AI产业的全面审视，包括其历史和行业生态系统分析。
  • 生成式AI的崛起，特别是稳定扩散图像生成器的成功及其引发的争议。
  • 生成式AI初创公司的增长炒作和投资，以及其潜在应用的探索。

里程碑

项目中记录了一些生成式AI的重要里程碑事件，比如：

  • OpenAI发布的GPT-3和GPT-4模型。
  • GitHub推出的Copilot AI编程助手。
  • DALL·E 2 和Stable Diffusion等图像生成系统的发布。
  • ChatGPT对话模型的推出等。

文本生成

在文本生成部分，项目列举了一些流行的语言模型和聊天机器人，如：

  • OpenAI的API提供对GPT-3和GPT-4模型的访问。
  • Hugging Face的BLOOM模型，支持多语言和多种编程语言。
  • Meta开发的LLaMA大型语言模型等。

此外，还有写作助手、搜索引擎和生产力工具等，可以帮助用户更快速地创建内容、进行搜索和提高工作效率。

图像生成

项目包含多个图像生成模型及服务，例如：

  • OpenAI的DALL·E 2能够从自然语言描述中创作出真实感图像和艺术作品。
  • 稳定扩散（Stable Diffusion）是由Stability AI开发的一种最新的文本到图像生成模型。
  • Midjourney实验室探索新的思维媒介，通过AI扩展人类的想象力。

视频和音频生成

项目还涉及到视频和音频生成领域，提供了包括Synthesia、Rephrase AI等工具，这些工具可以从文本中快速生成视频内容；而Eleven Labs、Resemble AI等工具则可以生成逼真的AI语音。

学习资源

学习资源部分提供了大量免费课程和技术指南，帮助用户掌握与生成式AI相关的技能，包括提示工程课程、OpenAI API示例等，助力用户更好地利用大型语言模型进行开发。

更多列表

除了项目本身，文档还推荐了一些与生成式AI相关的资源和工具列表，涵盖AI艺术、游戏、学术和商业应用，供用户进一步探索。

这个项目的目的是为生成式AI爱好者和从业者提供一个全面的资源指南，帮助他们深入了解这一技术如何应用于各种创意领域。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多