这个免费开源的3D动捕工具—freemocap，GitHub 已经斩获 9K star数 不需要专业捕捉设备，只需要几个普通摄像头就可以 它把多视角几何问题转化成了计算机视觉任务，用空间标定算法 + 深度学习模型，从多路普通摄像头的2D画面里还原出精确的3D人体骨骼数据 输出结果支持导出多种格式（含FBX等），所有处理全在本地跑，免费开源

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。 只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub： 目前已支持大部分主流数据库，如 MySQL、PostgreSQL... 以及 SQLite 等。 而且完全开源免费，无需注册账户即可体验。show more

「Autodesk 掀桌子 百万级 3D CAD 可执行数据集开源」 这可能是 2026 年工业... AI 领域最重要的基础设施。Autodesk 终于把一直锁在私有数据库里的「建模逻辑」以一种极客的方式释放了。 核心要点 - Zero-to-CAD 数据集包含约 1,000,000 个 3D CAD 序列 - 每一条数据都是可执行、可读、可编辑的 CadQuery (Python) 代码 - 涵盖拉伸、旋转、圆角、阵列等全套工业级建模指令 - 采用 Agent 闭环生成机制 确保 100% 几何逻辑合法 以前 AI 学 CAD 像在猜谜（只有导出的结果文件） 现在有了这本「Python 版建模百科全书」 AI 终于可以像人类工程师一样 顺着逻辑写出真正可用的工程图纸。 关注 谁是藏镜人 只看有深度的 AI 工程解读。show more

想自己做金融分析、股票研究？ 这些完全免费、Github开源的工具推荐给你，适合低门槛快速入门系统化 + AI 驱动的金融/财报分析👇 1. OpenBB（67.4k stars） 号称一个真正能替代... Bloomberg Terminal 的开源金融数据平台，数据整合能力强、支持 Python/CLI/AI 代理，日常股票深度研究和项目报告效率极高。唯一小缺点是高级数据源仍需自行接入，但免费部分已经够大多数人用了 2. Freqtrade（50.2k stars） 免费开源的 Python 加密交易机器人，内置回测、机器学习策略优化（FreqAI）、Telegram 控制等全套工具，是目前交易机器人里最成熟的一个，但学习门槛较高（需要会 Python），用 AI 学也可以上手 3.FinGPT（20k stars） AI4Finance 基金会维护的金融专属大模型框架，成本极低。这是真正能本地跑的金融 AI，用来做财报分析、新闻解读和智能研究非常实用 这三个工具组合起来，基本覆盖了数据获取 → 量化回测 → AI 智能分析的完整流程，全程本地运行、不用付费、不用担心数据隐私 省下来的订阅费，都拿去多买几只股票了😂show more

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了... tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现show more

又发现一个变态开源项目，叫agency-agents 这哥们儿把世界上几乎所有职位都做成了 AI 员工，包括： 前端开发、UI 设计、自媒体运营、销售、市场分析师、数据工程师、法务顾问…… 现在已经有 144 个... AI 员工，还在持续加。 GitHub 星标直接冲到 6 万+，完全免费开源。 在小龙虾或者 Claude code 里，几分钟就能跑起来一整个虚拟团队。 你需要哪个工种，直接调哪个 AI 员工，随时开干。 适合「需要某个专项能力，但又不值得专门招人」的情况，比如独立开发者、一人创业者、小团队show more

英伟达等刚刚推出了用于人形机器人的多功能神经网络全身控制器：HOVER 它首次实现了用统一控制器来处理，像机器人的导航、步行操控和桌面操控等多种不同类型任务，还能模仿人类动作，它模拟一年的训练量，只需50分钟 它可以完成导航行走、物体操作、桌面作业、复杂动作的协调、人机交互任务等 可以无缝切换不同控制模式，支持全身运动模仿学习 项目： 论文：

✨科学界迎来新变化：阿里开源首个统一科学语言大模型 阿里通义实验室（ATH-Token Foundry） 联合中国人民大学高瓴人工智能学院， 刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。 核心亮点：... - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。 核心价值： - 用同一套模型 + 同一套科学语法， 统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色）， 降低科研门槛，让AI辅助从预测转向生成设计。 它把蛋白质、抗体、小分子、化学反应、 材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。 这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。show more

在学习机器学习时，网上大部分教程只讲概念，又或者直接上代码，让我们很难真正理解算法背后的原理。 今天在 GitHub 上发现 Machine Learning Visualized 开源项目，非常不错，它用可视化方式带我们深入了解每个算法的工作原理。 那些复杂的机器学习算法被拆解成直观的可视化过程，并结合完整的数学推导和交互式界面，让我们清晰地看到算法在训练过程中权重的变化。... GitHub： 主要内容： - 神经网络、逻辑回归、感知器等核心算法的完整实现 - 每个算法都有详细的数学推导过程，从第一性原理开始讲解 - 交互式 Marimo 笔记本，可以实时调整参数观察效果 - 训练过程可视化，直观展示算法收敛到最优权重的过程 - 涵盖 PCA、K-means 聚类、梯度下降等多种算法 项目基于 Jupyter Book 构建，可在线浏览学习，也可以通过 Docker 本地一键部署，即可使用。show more

这种数字人直播间的搭建成本不到500一个月你敢信？ 之前老刷到这种数字人直播， 今天好奇去问了朋友到底怎么搞的， 结果这门槛低到让我有点惊讶。 现在已经可以做到“半无人”实时驱动了： 真人只需要坐在镜头前，系统拉取摄像头， 靠本地音频就能实时驱动口型，主播全程不用开口说话 不仅能正常加投流，重点是成本算下来竟然不到500 这下业内真不用再担心主播跳槽或者跑路了 AI确实在不知不觉中改变了很多行业的玩法……

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。... 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：show more

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

学了十年 Blender 的人，今天都沉默了。 有位开发者开源了个工具，能把任意一张照片变成一个可以走进去的 3D 世界。 而且带有物理碰撞的网格、环境背景 splat、循环音效，全套。只需要 5... 分钟出结果。 它叫 image-blaster。 - 动态物体自动生成 3D 模型，静态场景生成 Gaussian splat - 支持直接嵌进 Unity、Unreal、Godot，或 Blender、Three.js - 底层调了 World Labs、Hunyuan 3D、ElevenLabs，不用手动拼工具链 GitHub： 游戏关卡原型、建筑渲染、机器人训练环境，有图就能跑。show more

什么扼杀了数据可视化设计创新 #设计入门 交互式数据可视化是艺术、设计、技术和数据的结合。作者是专家，她列举了这个领域缺乏创新原因，比如： - 手机用户喜欢简单、易于消化的信息 - 用户喜欢普通的柱状图、曲线图 这两条算设计领域的普适标准，尤其第二条。虽然设计师竭尽所能增加动效、动画…各种视觉刺激，但天天被刺激就无感了，一般人只想快速获取信息，而不是欣赏复杂的、炫技的设计

卧槽，答案终于揭晓了！ 那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。 用过AI来完成前端开发的朋友肯定懂： 要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。 但这种界面一旦看多了，就会陷入审美疲劳。 原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。... 最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。 它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。 但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。 它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？ 小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。 跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。 用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2） 目前在Openrouter中可以免费体验该模型。 选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。 期待大家都能快速做出让人眼前一亮的作品！show more

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。... 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀show more

🚀新站上线啦！吐血整理了面向自媒体、内容创作者的最流行的工具与资源导航站，帮助大家快速从零开始内容创作～ 人类与动物最大的区别就是会使用工具💡；2025年，超级个体🦸的时代已经到来，会使用工具/AI你就可以成就你的「一人公司」🔥 在这里，包含了各个类别的流行工具与资源，无论是，只要是内容创作的领域，你都可以在这里： ✦ 找到流行的内容创作者工具与资源 ✦ 通过用途如视频、音频、图像、分析等进行探索 ✦ 通过难度、免费、平台、AI、开源等标签进行筛选... ✦ 通过时间、收藏数目等方式进行排序 ✦ 支持收藏，为你喜欢的项目点个收藏吧show more

AWPlanet 3D 导演台提供三种导演模式，其中「虚拟拍摄模式」面向更直观、更具现场感的镜头创作流程。 在该模式下，用户可以通过 iPhone 连接电脑端，将手机转化为实时虚拟摄影机，在 3D 场景中自由取景、移动与录制。创作者能够像在真实片场中掌机拍摄一样，直接通过手机感受镜头运动、空间距离与画面节奏，快速捕捉更自然的运镜效果。 系统支持实时预览与切换镜头焦段、景别和构图方式，用户可以在拍摄过程中即时判断画面表现，从特写、中景到远景，从广角到长焦，都能根据叙事需要灵活调整。虚拟拍摄模式让导演、分镜师和创作者在生成影像前，先以真实拍摄的方式完成镜头调度与视觉设计，使... AI 视频创作拥有更接近专业片场的控制感与沉浸感。show more

我的天，Higgsfield已经进化到这种程度了吗？ 一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。 ​... ​ 在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！​ ​ 这件事放在以前真的很难想象。​ ​ 过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。 ​ ​ 但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。​ ​ 比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。​ ​ 所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。show more

之前跟大家分享过 Android 系统开源虚拟定位工具 GoGoGo，底下评论不少人在问 iOS 有没有。 无独有偶，今天在 GitHub 上发现了一款支持虚拟定位到全球任意位置的跨平台开源工具：GeoPort。... 不仅支持 iOS 17/18 系统，还可以在 Windows 和 Mac 上运行，无需复杂的 Python 环境配置，直接开箱即用。 GitHub： 主要功能： - 全球任意位置模拟，可随便更换任意城市或地标 - 支持最新 iOS 17 和 iOS 18 系统的位置欺骗 - 一键启用开发者模式，自动处理复杂的权限设置 - 提供直观可视化界面，点几下就能开启虚拟位置 在项目的 GitHub 发布页就提供了安装包下载，有需要的同学可以试下。show more