AI Repos
1、docext
docext是一款无需OCR的本地化文档信息提取工具，利用视觉语言模型（VLM）从发票、护照等文档图像中高效提取结构化字段和表格数据。其支持自定义字段或预置模板，提供置信度评分、多页处理及REST API集成，适用于多种操作系统（Linux/MacOS），并内置常见文档模板（如发票、护照），用户可灵活扩展字段或模板，满足企业级私有化部署需求。
2、sitemcp
一键抓取整个网站内容并将其转化为 MCP 服务器，再搭配 Claude 等 MCP 客户端，就能直接对网站内容进行对话提问。支持一次性抓取整个网站，并缓存到本地；可设置并发数提高抓取速度；支持多种工具命名策略，便于 AI 客户端调用；提供路径匹配功能，可选择性抓取特定页面；支持内容选择器，确保提取页面中最有价值的内容。可通过命令行一键安装使用，并无缝集成到各种 MCP 客户端。
AI News
1、YouTube推出免费AI音乐生成工具，助力创作者制作背景音乐
YouTube近日宣布为创作者推出一项免费AI功能，允许用户通过文字描述（如乐器、情绪、视频类型等）生成定制伴奏音乐，并直接用于视频中。该功能将逐步向已接入"Creator Music"商用音乐授权服务的合作伙伴开放，免除版权问题。此前YouTube曾测试类似AI工具"Dream Track"，而此次更新进一步扩展了AI音乐的应用场景，目前仅面向美国地区的YouTube合作伙伴计划成员提供。
2、Hugging Face开源VisualCloze框架：基于视觉上下文学习的通用图像生成新范式
Hugging Face近日推出开源图像生成框架VisualCloze，创新性地采用视觉上下文学习技术，用户仅需提供少量示例图像即可实现零样本风格迁移与多模态生成（支持图文混合输入）。该工具突破了传统模型需微调的限制，可灵活应用于艺术创作、产品设计等领域，其开源特性已引发开发者社区广泛关注，未来或拓展至视频及3D内容生成，有望重塑AI创作流程。
3、Digital Promise推出AI教育产品认证计划，护航教育科技安全与公平
非营利组织Digital Promise近日推出"负责任AI产品认证"计划，通过评估教育科技工具的数据安全、算法公平性和透明度等核心指标，帮助学校筛选合规的AI教学产品。该认证要求供应商明确数据使用政策、制定应急预案并监测算法偏见，目前已获芝加哥等学区采用。该计划与1EdTech等机构的多项认证共同构成教育科技评估体系，现有150余种工具通过各类认证，助力教育机构安全推进数字化转型。
4、谷歌文档新增AI语音朗读功能，助力用户高效校对与多任务处理
谷歌文档推出"音频概述"新功能，通过高拟真AI语音朗读帮助用户检测文本中的拼写错误和语句不通顺问题，同时提供播客式要点摘要方便快速掌握文档核心内容。该功能不仅提升了写作校对效率，还支持多任务场景下的"听读"需求，特别为视障人士和有阅读困难的用户提供了便利，标志着办公软件在可及性和智能化方面的又一进步。
5、开源神器BabelDOC发布：支持双语对照、完美保留排版的PDF翻译工具
近日开源的BabelDOC工具革新了PDF文档翻译体验，通过结构感知技术实现翻译后完美保留原文档排版格式，支持生成双语对照PDF（并排/交替显示）。该工具具备批量处理、精准页码选择功能，兼容OpenAI接口及本地模型（如Ollama），提供在线使用、命令行和Python API等多种部署方式。其插件式架构为未来集成OCR等功能预留空间，特别适合学术研究和跨国企业文档处理需求，GitHub已开放源代码。
6、华为诺亚方舟实验室与港大联合发布开源扩散语言模型Dream7B，性能比肩顶尖自回归模型
华为诺亚方舟实验室与香港大学合作推出开源扩散语言模型Dream7B，采用离散扩散架构实现并行文本生成，在数学推理、代码生成等任务上超越同类扩散模型并媲美主流自回归模型。该模型通过权重初始化优化和动态噪声调节等创新技术，展现出卓越的规划能力和文本连贯性，支持灵活生成顺序与质量速度调节，相关代码和模型权重已在GitHub开源，有望推动文本生成技术范式革新。
7、OpenAI开源BrowseComp基准测试，为AI网页浏览能力设立新标杆
OpenAI近日开源BrowseComp基准测试，包含1266道高难度题目，专门评估AI代理在复杂网络环境中定位和整合多源信息的能力。该测试聚焦难以获取的"隐藏信息"，覆盖科技、艺术等多领域，其开源特性将推动全球AI浏览技术研究协同。初步测试显示专为深度网络研究设计的模型表现优异，这一基准有望成为衡量AI实用浏览能力的通用标准，同时促进对AI伦理和可靠性的探讨。
8、Writer发布AI HQ平台：企业级AI代理一站式解决方案，实现工作流智能自动化
Writer公司推出AI HQ企业级平台，通过统一枢纽让企业快速构建和部署能自主执行复杂工作流的AI代理。该平台支持与企业现有系统深度集成，实现从金融风控到医疗数据处理等多场景的智能化转型，提供实时监控和优化功能，显著降低AI应用门槛。其"从辅助到执行"的理念变革，有望重塑企业运营模式，目前已在多个行业引发强烈反响，平台试用功能同步开放。
9、Pika Labs推出Pika Twists功能：AI精准编辑视频元素，重塑创意表达边界
Pika Labs最新发布的Pika Twists功能实现了视频编辑领域的重大突破，允许用户通过文本提示精准修改视频中的特定角色或物体（如改变服装、调整位置），同时保持其他画面元素自然连贯。该技术已登陆Pika.art官网和iOS应用，免费用户可体验基础功能，为短视频创作、广告营销和教育领域带来全新可能，进一步推动AI视频创作的普及化和民主化进程。