AI Repos
1、jaaz
Jaaz是一款免費開源的AI設計代理，作為Lovart的本地替代品，它能實現圖像、海報、故事板的設計、編輯和生成。Jaaz集成了LLM，可智能生成提示并批量生成圖像，支持Ollama、Stable Diffusion等本地及API模型。用戶可通過聊天編輯圖像，實現對象移除、風格轉換等功能。它提供創意畫布，并計劃支持視頻生成。Jaaz可在macOS和Windows上使用，支持Claude、OpenAI、Gemini等API，或通過Ollama實現100%免費本地使用。
2、agentic-doc
LandingAI發布Agentic Document Extraction Python庫，該庫封裝了Agentic Document Extraction API，能從復雜文檔（PDF、圖片、URL）中提取結構化數據，并返回分層JSON及元素位置。它支持百頁以上長文檔處理、自動重試、并發和限速，并提供可視化調試工具。該庫簡化了API調用，實現了大型文件自動分割并行處理，具備錯誤處理和批處理能力，極大地提升了文檔數據提取的效率和準確性，適用于Python 3.9-3.12版本。
3、memvid
Memvid是一款創新的AI記憶管理解決方案，通過將文本數據編碼成視頻文件，實現了數百萬文本塊的閃電般語義搜索和亞秒級檢索。它比傳統向量數據庫更節省RAM和存儲空間，能將知識庫壓縮為緊湊的視頻文件。Memvid具備視頻數據庫、語義搜索、內置聊天、PDF支持、超快檢索和高效存儲等核心功能，且支持離線使用和多種LLM。它適用于數字圖書館、教育內容、新聞檔案、企業知識庫、科研論文和個人筆記等多種場景。
AI News
1、Manus推出文生視頻功能，挑戰Sora，加速AI視頻創作普及
AI初創公司Manus近日推出“文生視頻”功能，允許用戶通過文本指令快速生成視頻，目前已向Basic、Plus和Pro會員開放。此舉旨在與OpenAI的Sora競爭，Sora同樣提供文生視頻服務，且需付費使用。Manus的Pro會員月費為199美元，與Sora價格相近。Manus的目標是滿足用戶快速生成高質量視頻的需求，并計劃未來向所有用戶開放此功能，以推動AI視頻創作的普及和行業發展，為內容創作者提供高效工具。
2、松下發布多模態生成AI “OmniFlow”，實現文本、圖像、音頻自由轉換
松下聯合研發出“OmniFlow”多模態生成AI，其創新之處在于能夠實現文本、圖像、音頻之間的“任意對任意”自由轉換。該技術通過靈活結合不同數據格式的生成AI，即便在小樣本情況下也能學習高精度模型，顯著降低了傳統多模態AI所需的大量數據采集成本。OmniFlow在文本轉圖像和文本轉音頻任務中表現出色，訓練數據量可減少至1/60。這項技術未來有望應用于工廠和生活等多個領域，為客戶帶來便利。
3、PlayDiffusion開源，實現語音“局部修改”且不留痕跡
Play AI開源發布了基于擴散模型的語音編輯工具PlayDiffusion，專為語音局部修改設計。該模型顛覆了傳統文本轉語音系統需重生成整段音頻的模式，允許用戶直接替換、刪除或調整音頻中的特定部分，同時保持其他未修改部分的一致性，實現“所聽即所得”的無痕編輯。PlayDiffusion能智能調整節奏、語調和音色，聽感自然。它還可作為高性能非自回歸TTS模型，推理速度提升50倍，適用于播客制作、AI配音等場景，標志著語音生成領域向“精確、靈活、自然”轉型。
4、Claude Code將向Pro用戶開放，降低AI編碼門檻
Anthropic的AI編碼助手Claude Code，此前僅限Max訂閱或API用戶。近期網絡動態顯示，Anthropic計劃將其開放給每月20美元的Claude Pro用戶，大幅降低使用門檻。Claude Code以其強大的代碼庫理解和終端集成能力著稱，支持代碼重構、調試等。此舉將吸引更多開發者，加速AI輔助編碼的普及，并加劇AI編碼工具市場的競爭。Pro用戶將獲得定額使用權限，其核心功能預計保持不變。
5、谷歌推出AI Edge Gallery，實現智能手機離線運行AI模型
谷歌低調發布實驗性應用Google AI Edge Gallery，利用LiteRT技術使智能手機能離線運行Hugging Face平臺上的開源AI模型，支持圖像生成、文本處理等功能。此舉提升了數據隱私和處理速度，是本地化AI的重要突破。該應用目前支持Android設備，通過GitHub分發，性能媲美早期云端模型。AI Edge Gallery的推出標志著谷歌在邊緣AI領域的戰略布局，有望重新定義AI應用部署方式，加速AI在無網絡連接地區的普及。
6、Resemble AI開源語音克隆模型ChatterBox AI，性能超越ElevenLabs
Resemble AI發布了首款開源文本轉語音模型ChatterBox，該模型具備卓越的零樣本語音克隆、情緒控制和超低延遲特性。ChatterBox在盲測中表現優于ElevenLabs，且支持情緒夸張調節，適用于多種應用場景。其內置的PerTh神經水印技術旨在解決倫理問題。ChatterBox的開源發布標志著語音克隆技術的民主化，盡管存在濫用風險，但其MIT許可證和社區規范呼吁旨在平衡開放創新與負責任使用。
7、Exa聯手OpenRouter，400+AI模型解鎖實時網絡搜索能力
Exa與OpenRouter合作，為超過400種大語言模型（LLMs）提供實時網絡搜索功能，顯著提升AI模型的信息獲取能力。通過RAG技術，模型可動態獲取最新網絡信息，解決傳統LLMs知識更新局限。開發者僅需簡單配置即可讓模型調用Exa的搜索結果，廣泛應用于聊天機器人、學術研究和商業分析等場景。此舉降低開發門檻，預示AI與網絡數據深度融合的趨勢，使AI從“靜態知識庫”轉變為“動態信息樞紐”。
