1. microsoft/MS-DOS

该仓库包含 MS-DOS v1.25、v2.0 和 v4.0 的原始源代码与编译二进制文件。这些文件最初于 2014 年 3 月 25 日在计算机历史博物馆公开，现重新发布在此仓库中，以便于查找、在外部著作中引用并供对早期 PC 操作系统感兴趣的人员探索和实验。

仓库中的所有文件均根据根目录中存储的 LICENSE 文件 采用 MIT 许可证 发布。源文件仅供历史参考并保持静态。请 不要 发送建议对源文件进行任何修改的 Pull Request，但可以随时分叉此仓库进行实验。

该项目已采用 Microsoft 开源行为准则。有关更多信息，请参阅 行为准则常见问题解答，或通过 [email protected] 联系我们以提出其他问题或意见。

2. myshell-ai/OpenVoice

OpenVoice 是一款由 MyShell 开发的语音克隆工具。它可以通过一个声音样本快速而准确地克隆出该声音，并生成多种语言和口音的语音。OpenVoice V1 于 2023 年 5 月发布，具备以下特点：准确的音色克隆、灵活的语音风格控制和跨语言语音克隆。2024 年 4 月，OpenVoice V2 发布，在 V1 的基础上，改善了音频质量、原生支持多语言，并开放商业免费使用。OpenVoice 自发布以来，已被广泛使用，用户已达数千万。它的背后团队成员主要来自麻省理工、清华大学和 MyShell。用户可在教程中找到详细的使用指南，常见问题可在文档中找到。加入 OpenVoice 的 Discord 社区，即可获得专属开发者渠道，参与讨论和协作。V1 和 V2 均采用 MIT 许可，可免费用于商业和研究。OpenVoice 的实施基于 TTS、VITS 和 VITS2 等优秀项目，在此表示感谢。

3. apple/corenet

CoreNet 是一个深度神经网络工具包，它允许研究人员和工程师训练标准和新颖的小型和大规模模型，用于包括基础模型（如 CLIP 和 LLM）、对象分类、对象检测和语义分割在内的各种任务。

CoreNet 提供了许多功能，包括：

  • 模块化代码库，可轻松添加新模型和数据集。
  • 支持各种任务，包括图像分类、目标检测和语义分割。
  • 使用 PyTorch 实现，可扩展性和优化性强。
  • 提供针对图像分类、目标检测和语义分割的教程和示例。
  • 具有一系列预训练模型，包括 CLIP、MobileNet、ResNet 和 ViT。
  • 正在积极开发中，并定期添加新功能。

CoreNet 已用于 Apple 的各种研究项目，包括：

  • OpenELM：一种高效的语言模型家族，具有开放的训练和推理框架。
  • CatLIP：具有 2.7 倍更快的基于网络规模图像文本数据预训练的 CLIP 级视觉识别精度。
  • 数据强化乘倍效应：通过数据集强化提高模型准确率和鲁棒性。
  • CLIP 与模型库专家：伪监督视觉增强。
  • FastVit：一种使用结构重新参数化的快速混合视觉 Transformer。
  • 字节是您所需要的：直接操作文件字节的 Transformer。
  • MobileOne：改进的毫秒级移动骨干网。
  • RangeAugment：使用范围学习的高效在线增强。
  • 移动视觉 Transformer 的可分离注意力（MobileViTv2）。

CoreNet 与 CVNets 有密切关系，CVNets 是其前身。CoreNet 扩展了 CVNets 的功能，以涵盖更广泛的计算机视觉应用之外的范围。这种扩展促进了基础模型的训练，包括 LLM。

如果你正在寻找一个用于训练深度神经网络的强大且灵活的工具包，那么 CoreNet 是一个很好的选择。它正在积极开发中，并得到 Apple 研究人员的广泛使用。

4. binary-husky/gpt_academic

GPT Academic 是一个适用于 GPT/GLM 等 LLM 大语言模型的实用化交互接口，它针对学术阅读/润色/写作体验进行了优化。其模块化的设计支持自定义快捷按钮和函数插件，并且可以在 Python 和 C++等项目剖析和自译解中运用。此外，该项目还支持 PDF/LaTex 论文翻译和总结功能，可以并行问询多种 LLM 模型，并接入了通义千问、deepseekcoder、讯飞星火、文心一言、llama2、rwkv、claude2、moss 等多款模型。

功能亮点：

  • 支持接入百度千帆、文心一言、通义千问、上海 AI-Lab 书生、讯飞星火、LLaMa2、智谱 GLM4、DeepseekCoder 等模型。
  • 支持 mermaid 图像渲染，可让 GPT 生成流程图、状态转移图、甘特图、饼状图、GitGraph 等图形。
  • 提供 Arxiv 论文精选翻译功能，一键翻译 arxiv 论文摘要并生成超高质量翻译。
  • 支持实时语音对话输入，异步监听音频，自动断句，自动寻找回答时机。
  • 融入 AutoGen 多智能体插件，探索多 Agent 的智能涌现可能。
  • 提供虚空终端插件，能够使用自然语言直接调度本项目其他插件。
  • 提供一键润色、翻译、查找论文语法错误、解释代码等功能。
  • 支持自定义快捷键和函数插件，支持插件热更新。
  • 具有程序剖析功能，一键剖析 Python/C/C++/Java/Lua/…项目树或进行自我剖析。
  • 支持读论文、翻译论文，一键解读 latex/pdf 论文全文并生成摘要。
  • 提供 Latex 全文翻译、润色功能，一键翻译或润色 latex 论文。
  • 提供批量注释生成功能，一键批量生成函数注释。
  • 支持 Markdown 中英互译，可生成多种语言的 README。
  • 具备 PDF 论文全文翻译功能，可提取题目和摘要，并翻译全文（多线程）。
  • 集成 Arxiv 小助手插件，输入 arxiv 文章 url 即可一键翻译摘要和下载 PDF。
  • 提供 Latex 论文一键校对功能，仿照 Grammarly 对 Latex 文章进行语法、拼写纠错并输出对照 PDF。
  • 提供谷歌学术统合小助手插件，给定任意谷歌学术搜索页面 URL，让 GPT 帮你写 relatedworks。
  • 提供互联网信息聚合+GPT 功能，一键让 GPT 从互联网获取信息回答问题，让信息永不过时。
  • 可以同时显示公式的 tex 形式和渲染形式，支持公式、代码高亮。
  • 提供暗色主题，在浏览器 url 后面添加 /?__theme=dark 可以切换 dark 主题。
  • 支持同时调用多个 LLM 模型，如 GPT3.5、GPT4、清华 ChatGLM2、复旦 MOSS。
  • 加入 Newbing 接口(新必应)，引入清华 Jittorllms 支持 LLaMA 和盘古 α。
  • 提供 void-terminal pip 包，脱离 GUI，在 Python 中直接调用本项目的所有函数插件（开发中）。

安装方法：

提供了三种安装方法：

方法一：直接运行（Windows, Linux 或 MacOS）

  1. 下载项目
  2. 配置 API_KEY 等变量
  3. 安装依赖
  4. 运行

方法二：使用 Docker

提供四个部署方案：

  1. 部署项目的全部能力（包含 cuda 和 latex 的大型镜像）
  2. 仅部署 ChatGPT + GLM4 + 文心一言+spark 等在线模型（推荐大多数人选择）
  3. 部署 ChatGPT + GLM3 + MOSS + LLAMA2 + 通义千问（需要熟悉 Nvidia Docker 运行时）
  4. Windows 一键运行脚本

方法三：其他部署方法

  1. 使用第三方 API、Azure 等、文心一言、星火等
  2. 云服务器远程部署避坑指南
  3. 在其他平台部署&二级网址部署

高级用法：

  • 自定义新的便捷按钮（学术快捷键）
  • 自定义函数插件

动态更新：

  • 对话保存功能
  • Latex/Arxiv 论文翻译功能
  • 虚空终端（从自然语言输入中，理解用户意图+自动调用其他插件）
  • 模块化功能设计
  • 译解其他开源项目
  • 装饰 live2d 的小功能（默认关闭，需要修改 config.py）
  • OpenAI 图像生成
  • 基于 mermaid 的流图、脑图绘制
  • Latex 全文校对纠错
  • 语言、主题切换

已知问题：

  • 某些浏览器翻译插件干扰此软件前端的运行
  • 官方 Gradio 目前有很多兼容性问题，请务必使用 requirement.txt 安装 Gradio

参考与学习：

本项目代码参考了以下优秀项目：

  • 清华 ChatGLM2-6B
  • 清华 JittorLLMs
  • ChatPaper
  • Edge-GPT
  • ChuanhuChatGPT
  • Oobabooga one-click installers
  • Gradio
  • live2d_demo

5. TagStudioDev/TagStudio

TagStudio 是一款文件和照片管理应用程序及系统。它旨在向用户提供自由灵活的文件管理体验，支持各种平台且隐私友好。其核心特色包括：

  • **可扩展、可组合标签：**用户可创建包含别名和子标签的丰富标签，并将其组成多级标签管理体系。
  • **元数据管理：**记录文件名称、作者、描述、标签等元数据，并可根据元数据、文件名、标签进行搜索。
  • **灵活组织：**以目录中心创建文件库，并通过添加元数据进行组织。TagStudio 支持创建用户自定义元数据字段，并根据不同标准建立文件分组。
  • **多用户协作：**未来版本中将提供对多个同时用户和客户端的支持。
  • **便携性与开放性：**不使用专有格式，也不依赖外部软件或侧边车文件。未来将设计出可互操作的标准，以实现不同前端和操作系统之间的兼容性。
  • **用户体验：**现代化的界面，易于使用，满足用户对文件管理的需求。

目前 TagStudio 仍处于 Alpha 阶段，正在积极开发中。优先级特性包括改进搜索、标签管理、批量元数据应用、标签基于文件夹自动应用、更好的文件库视图、更稳定的缩略图缓存、集合等。未来特性将包括多用户支持、云端集成、本地 ML 标签建议、移动版本等。

TagStudio 旨在成为一个用户中心的文件管理系统，注重用户体验、隐私保护、可扩展性和开放性，最终目标是提供一个强大的文件管理工具，满足不同用户跨平台、多设备的各种需求。

6. hydralauncher/hydra

Hydra 是一款带有内置 BitTorrent 客户端和自管理重装程序爬取器的游戏启动器。它采用 TypeScript（Electron）和 Python 编写，其中利用 libtorrent 处理种子下载系统。Hydra 可以通过安装 Node.js、Yarn、Python 和依赖项来轻松安装。你还需要 SteamGridDB API 密钥以获取安装时的游戏图标。此外，你可以通过配置.env 文件添加你的 Onlinefix 凭证以获取更多功能。

启动时，Hydra 会在一个窗口中运行 Electron 进程和一个单独的 BitTorrent 客户端进程。它还具备构建 BitTorrent 客户端和 Electron 应用程序的指令。值得注意的是，Hydra 拥有一个活跃的贡献者社区，并且根据 MIT 开源许可证分发。Hydra 旨在创建一个便捷易用的游戏启动器，并提供下载和安装游戏的强大功能。它是一个开源项目，欢迎用户参与贡献和改进。

7. zyronon/douyin

“抖音-Vue”项目是一个移动端短视频应用，旨在模仿抖音(TikTok)。它采用了 Vue 3、Vite 5 和 Pinia 等最新技术，提供了流畅的类原生应用体验。该项目使用 axios-mock-adapter 模拟后端请求，数据存储在本地。

本项目还提供了多种在线访问方式，包括 Github、Gitee、Netlify 和 Vercel 等平台。它支持快速部署至 Vercel 和 Docker，并可通过 Git 命令在本地开发。

项目目前处于开发初期，新功能正在持续添加中。开发者欢迎用户提出功能建议和提交 PR。

项目的视频数据来自抖音网红，图片数据来自小红书公开笔记。所有内容均为互联网公开信息。

“抖音-Vue”项目遵循 GPL 许可协议，欢迎用户联系开发者邮箱提出反馈和建议，并分享其他开源项目，如 Typing Word 和 Web Scripts。

8. chat2db/Chat2DB

Chat2DB 是一个功能强大的通用 SQL 客户端兼报告工具，集成了 ChatGPT 功能，为超过 100 万开发者提供支持。

主要功能：

  • AI 驱动的智能 SQL 开发，提供代码提示、语法检查和错误修复等功能。
  • AI 驱动的智能报告，生成清晰易懂的数据洞察和可视化结果。
  • AI 驱动的数据探索，帮助用户快速查询、分析和共享数据。

支持的数据库：

  • MySQL
  • PostgreSQL
  • Oracle
  • SQLServer
  • SQLite
  • MariaDB
  • MongoDB
  • Redis

安装与使用：

从官方网站下载安装包，双击安装后即可使用 Chat2DB。有关使用指南，请参阅快速入门指南。

贡献与交流：

欢迎社区成员贡献 Chat2DB 项目，您可以通过报告问题、提出新功能或直接提交代码修复和改进来参与。

在微信或 Discord 上加入 Chat2DB 社区，与其他用户交流，获取最新更新和支持。

许可证：

Chat2DB 采用 Apache 2.0 许可证和 Chat2DB 许可证。

9. Doriandarko/maestro

Maestro 是一个 Python 框架，使 Claude Opus、GPT 和本地语言模型（LLM）能够智能地协调子代理，实现复杂任务。

该框架的工作流程如下：

  1. 使用 Opus 模型将目标分解为可管理的子任务。
  2. 使用 Haiku 模型执行每个子任务。
  3. 利用 Opus 模型将子任务结果提炼成最终输出。
  4. 将整个任务分解和执行过程记录在详尽的交换记录中。

Maestro 的主要特点包括：

  • 细致的交互式控制台界面
  • 强大的人工智能辅助，可在每个阶段提供支持
  • 生成代码文件和文件夹（适用于代码项目）

要运行 Maestro，需要满足以下先决条件：

  • 安装 Python
  • Anthropic API 密钥
  • 必备 Python 包： anthropic 和 rich

安装和使用步骤：

  1. 克隆仓库或下载脚本文件。
  2. 安装所需的 Python 包。
  3. 替换脚本中的占位符 API 密钥。
  4. 打开终端或命令提示符，导航到脚本所在目录。
  5. 运行脚本并输入您的目标。

脚本将指导您完成任务分解和执行过程，并将结果显示在控制台中。完成后，它会生成一个包含完整交换记录的 Markdown 文件。

该框架具有高度的可定制性，允许用户调整模型、控制输出格式和修改日志记录行为。它还支持本地运行，并可以通过添加新的功能进行扩展，从而使其成为任务自动化和协作的强大工具。

10. iperov/DeepFaceLive

DeepFaceLive 屏幕实时换脸工具

DeepFaceLive 是一个用于 PC 流媒体或视频通话的实时换脸工具。它可以使用训练过的模型从网络摄像头或视频中替换脸部。

可用的公用模型包括：基努·里维斯、艾琳娜·阿尔蒂、米莉·帕克、罗布·多伊、杰西·斯塔特、布莱恩·格雷诺兹、憨豆先生、伊万·斯派斯、纳塔莎·福默、艾米莉·温斯顿、阿娃·德·阿达里奥、迪丽热巴·迪力木拉提、玛蒂尔达·鲍比、约哈娜·科拉尔森、安珀·宋、金·贾雷、大卫·科瓦尔尼、成龙、尼科拉·巴奇、小丑、迪安·威塞尔、西尔万·斯蒂尔沃恩、蒂姆·克莱斯、扎哈尔·鲁平、蒂姆·诺兰、娜塔莉·法特曼、刘丽丝、阿尔比卡·约翰斯、梅吉·默克尔、蒂娜·希夫特。

如果你需要更高质量或更好的换脸效果，可以使用 DeepFaceLab 训练自己的模型。

除了换脸，DeepFaceLive 还具有视频换脸和面部动画功能：

  • 视频换脸：使用单张照片从网络摄像头或视频中替换脸部。
  • 面部动画：使用视频或摄像头表情控制静态人脸图片。

系统要求：

  • 任何兼容 DirectX12 的显卡（推荐 RTX 2070+ / Radeon RX 5700 XT+）
  • 支持 AVX 指令的现代 CPU
  • 4GB 内存，32GB+ 页文件
  • Windows 10

有关使用说明和问题的解答，请查阅文档。

可以通过 Discord、Mrdeepfakes 社区、Dfldata.cc 以及 QQ 群 124500433 参与交流。

支持本项目：训练自己的模型并分享在 Discord 上，注册 GitHub 账号并点击“Star”按钮，或通过 Paypal、Yoomoney 或比特币进行捐赠。