开源星探

处理音频数据时，我们是不是经常要切换各种工具？ 转写用 ASR（语音识别），转音频又得找稳定的 TTS 模型（工具）…… 几个小时前，月之暗面 Moonshot AI 正式开源了 Kimi-Audio

现代工作场景中，信息分散在多个平台，我们经常需要频繁切换多个网站，复制粘贴信息、整理报告的繁琐流程不仅耗时，造成人工整合效率低下。 一款在昨日登顶 GitHub Trending 的榜首项目：Suna

传统 RAG 系统依赖文本块检索，难以捕捉信息间的复杂关系，导致上下文缺失或无关信息干扰，效率低下。 而在 RAG 技术愈发流行的今天，如何让 AI 更聪明地 “理解信息之间的关系”，而不是仅仅“找一

在解析处理 PDF 文档时，我们经常要借助 OCR 工具提取内容，用于搜索、问答或数据整理。 但大部分 OCR 工具存在许多痛点，比如：配置繁琐、模型庞大、图表识别差、精度低、识别结构乱、不能图文结合

文本转语音（TTS）领域又迎来一位重磅新星！ 由 Nari Labs 开发的 Dia-1.6B 以其超逼真的对话生成能力引发热议，仅开源两天便在 GitHub 收获 6.5K+ Star！ 据说其能力

在AI技术迅猛发展的今天，大语言模型（LLM）和检索增强生成（RAG）系统已成为开发者构建智能应用的核心工具。 然而，许多团队在落地过程中发现了一个关键痛点：AI模型的性能高度依赖于输入数据的质量。尤

在用大语言模型（如 GPT、Claude、DeepSeek 等）提问网页、GitHub 仓库、论文或视频时，手动整合内容既耗时又低效。 但是 AI 模型特别倚重高质量上下文，以便从多源数据中提取有用信

继 BrowserUse 和 ComputerUse 席卷 AI 自动化领域后，手机操作类项目终于迎来重磅选手：DroidRun！ 开源 AI 手机操作神器，解锁 Android 自动化新时代！ 目前

语音合成技术现已广泛应用于语音克隆、语音助手、配音服务、有声读物等领域，但如何让合成语音更具情感、更贴近人类表达，一直是语音行业研究的主要方向。 今天，推荐一款网易有道推出的 TTS 开源模型：Emo