推荐5款本周超火的开源AI项目

AnimateAnyone 项目是由阿里巴巴智能计算研究院开发，你只需提供一个静态的角色图像（包括真人、动漫/卡通角色等）和一些动作、姿势（比如跳舞、走路），便可将其动画化，同时保留角色的细节特征（如面部表情、服装细节等）。

Star：9.8k

MagicAnimate 项目与阿里的AnimateAnyone是同类型同技术项目，由新加坡国立大学和字节跳动联合推出，同样是利用扩散模型（diffusion models）创造时间连贯的人像动画，将静态图像变成动态视频。

字节团队表示，在挑战性极高的TikTok舞蹈数据集上，Magic Animate生成的视频的真实度比最强基线提高了超过38%。

Star：6.6K

insanely-fast-whisper 是一款功能强大的音频转录工具，支持自动转录和说话人分割功能。

主要功能特性：

Star：3.9k

GPTs-work 是由微信团队前腾讯高级工程师（博主：艾逗比）开发，使用 nextjs 技术搭建而成。可以直接使用该GPTs导航项目，也可以替换成任意站点，做一个自己的通用导航站点。

Star：946

体验地址：gpts.works/

MLX 是 Apple 芯片上用于机器学习的阵列框架，由 Apple 机器学习研究团队为您提供。

MLX 的一些主要功能包括：

★ 熟悉的 API：MLX 有一个紧随 NumPy 的 Python API。MLX 还拥有功能齐全的 C++ API，它与 Python API 非常相似。MLX 拥有更高级的软件包，例如mlx.nn和mlx.optimizersAPI，它们紧密遵循 PyTorch，以简化构建更复杂的模型。

★ 可组合函数转换：MLX 具有用于自动微分、自动矢量化和计算图优化的可组合函数转换。

★ 惰性计算：MLX 中的计算是惰性计算。数组仅在需要时才会具体化。

★ 动态图构建：MLX 中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。

★ 多设备：操作可以在任何支持的设备上运行（当前为 CPU 和 GPU）。

★ 统一内存：与 MLX 和其他框架的显着区别是统一内存模型。MLX 中的数组位于共享内存中。可以在任何支持的设备类型上执行 MLX 阵列上的操作，而无需移动数据。

MLX 的设计灵感来自 NumPy、 PyTorch、Jax和 ArrayFire等框架。

Star：7.4k

以上就是本周 GitHub圈选的5款开源项目，有兴趣的同学可以前往了解探索！！

推荐5款本周 超火 的开源AI项目