UniAnimate-DiT

GitHub
842 56 中等 2 次阅读 1周前语言模型视频图像
AI 解读 由 AI 自动生成，仅供参考

UniAnimate-DiT 是一款专注于人像动画生成的开源 AI 模型，它能将单张静态人物照片转化为连贯的视频片段。通过结合先进的视频扩散 Transformer 架构，UniAnimate-DiT 有效解决了传统技术在生成过程中容易出现的角色特征漂移或动作不自然的问题，确保人物在动态变化中保持高一致性。

UniAnimate-DiT 主要面向 AI 开发者、算法研究人员以及数字内容创作者。它基于强大的 Wan2.1-14B-I2V 模型构建，并依托 DiffSynth-Studio 框架，提供了完整的训练与推理代码。技术上，UniAnimate-DiT 表现尤为出色：它不仅支持多卡并行推理，还引入了 teacache 加速技术，能将推理速度提升约 4 倍。例如在单张 A800 显卡上，生成 5 秒 480p 视频仅需 3 分钟左右。对于追求高效且高质量人像动画效果的用户来说，UniAnimate-DiT 提供了一个极具潜力的技术底座，助力创意落地。

使用场景

某独立游戏工作室急需为角色概念图制作高质量宣传动画，却受限于高昂的动作捕捉成本与复杂的后期流程，项目进度严重滞后。

没有 UniAnimate-DiT 时

  • 传统动捕设备昂贵且需专业场地，小团队难以承担预算，导致项目搁置。
  • 通用 AI 视频工具生成的角色动作僵硬，面部细节频繁失真，无法满足商业标准。
  • 长视频渲染耗时极长，一次调整动作往往需要等待数小时，严重拖慢开发节奏。
  • 多显卡协同效率低，无法快速并行测试多种角色表现方案，试错成本过高。

使用 UniAnimate-DiT 后

  • UniAnimate-DiT 直接驱动静态图片生成流畅自然的人体动作，彻底省去实拍环节。
  • 基于 Wan2.1 大模型架构，确保人物身份在多帧视频中高度一致，杜绝形象崩坏。
  • 引入 Teacache 加速技术，5 秒高清视频生成时间压缩至十几分钟，极大提升迭代速度。
  • 支持多卡并行推理，团队可同时运行多个任务，灵活调整动作幅度与风格。

通过统一序列并行与加速技术，UniAnimate-DiT 实现了低成本、高保真的人物动态化生产。

运行环境要求

操作系统
  • 未说明
GPU

需要 NVIDIA GPU，显存 14GB+ (优化模式) / 23GB+ (默认 480P) / 36GB+ (720P)，支持 CUDA 11.8/12.1/12.4

内存

未说明

依赖
notes需从源码安装 DiffSynth-Studio；首次运行需下载 Wan2.1 及 UniAnimate-DiT 模型权重；推理前需先运行姿态对齐脚本；支持 teacache 加速（约 4 倍）；多卡并行需 Python>=3.10 并安装 xfuser；训练数据需预处理为 pickle 格式
python3.9+ (推荐 3.10+ 以支持 USP)
torch==2.5.0
torchvision==0.20.0
torchaudio==2.5.0
DiffSynth-Studio
huggingface_hub
modelscope
xfuser
peft
deepspeed
pandas
UniAnimate-DiT hero image

快速开始

UniAnimate-DiT

基于 Wan2.1 的 UniAnimate 扩展版本

UniAnimate-DiT 基于最先进的基于 DiT（Diffusion Transformer，扩散变换器）的 Wan2.1-14B-I2V 模型，用于一致的人像动画生成。本代码库构建于 DiffSynth-Studio 之上，感谢这个优秀的开源项目。

所提出的 UniAnimate-DiT 概述

🔥 新闻

  • [2025/04/21] 🔥 我们支持多卡推理的统一序列并行 (USP)。
  • [2025/04/18] 🔥🔥🔥 我们支持 teacache 用于短视频生成和长视频生成，可实现约 4 倍的推理加速。 现在，在一块 A800 GPU 上生成 5 秒 480p 视频耗时约 3 分钟，生成 5 秒 720p 视频耗时约 13 分钟。您可以使用 teacache 选择种子，并禁用 teacache 以获得理想结果。
  • [2025/04/18] 🔥 我们支持 teacache，可实现约 4 倍的推理加速。这可能会对性能产生轻微影响，您可以使用 teacache 来筛选种子。长视频生成目前尚不支持 teacache 加速，但我们正在努力克服这一问题。
  • [2025/04/16] 🔥 技术报告已在 ArXiv 发布。
  • [2025/04/15] 🔥🔥🔥 我们发布了基于 UniAnimate 和 Wan2.1 的 UniAnimate-DiT 训练和推理代码。技术报告即将发布。

演示案例

开始使用 UniAnimate-DiT

(1) 安装

在使用此模型之前，请创建 conda 环境并从源代码安装 DiffSynth-Studio。

conda create -n UniAnimate-DiT python=3.9.21
# 或者 conda create -n UniAnimate-DiT python=3.10.16 # 统一序列并行 (USP) 需要 Python>=3.10
conda activate UniAnimate-DiT

# CUDA 11.8
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cu118
# CUDA 12.1
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cu121
# CUDA 12.4
pip install torch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cu124

git clone https://github.com/ali-vilab/UniAnimate-DiT.git
cd UniAnimate-DiT
pip install -e .

UniAnimate-DiT 支持多种注意力机制实现。如果您已安装以下任何一种注意力机制实现，它们将根据优先级启用。

推理

(2) 下载预训练检查点

(i) 使用 huggingface-cli 下载 Wan2.1-14B-I2V-720P 模型：

pip install "huggingface_hub[cli]"
huggingface-cli download Wan-AI/Wan2.1-I2V-14B-720P --local-dir ./Wan2.1-I2V-14B-720P

或使用 modelscope-cli 下载 Wan2.1-14B-I2V-720P 模型：

pip install modelscope
modelscope download Wan-AI/Wan2.1-I2V-14B-720P --local_dir ./Wan2.1-I2V-14B-720P

(ii) 下载预训练的 UniAnimate-DiT 模型（仅包含 LoRA 和额外可学习模块的权重）：

pip install modelscope
modelscope download xiaolaowx/UniAnimate-DiT --local_dir ./checkpoints

或使用 huggingface-cli 下载 UniAnimate-DiT 模型：

pip install "huggingface_hub[cli]"
huggingface-cli download ZheWang123/UniAnimate-DiT --local-dir ./checkpoints

(iii) 最后，模型权重将按如下方式组织在 ./checkpoints/ 中：

./checkpoints/
|---- dw-ll_ucoco_384.onnx
|---- UniAnimate-Wan2.1-14B-Lora-12000.ckpt
└---- yolox_l.onnx

(3) 姿态对齐

调整目标姿态序列的比例以匹配参考图像的姿态（您也可以安装 pip install onnxruntime-gpu==1.18.1 以便在 GPU 上更快地提取姿态）：

# 参考图像 1
python run_align_pose.py  --ref_name data/images/WOMEN-Blouses_Shirts-id_00004955-01_4_full.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/WOMEN-Blouses_Shirts-id_00004955-01_4_full

# reference image 2
python run_align_pose.py  --ref_name data/images/musk.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/musk 

# reference image 3
python run_align_pose.py  --ref_name data/images/WOMEN-Blouses_Shirts-id_00005125-03_4_full.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/WOMEN-Blouses_Shirts-id_00005125-03_4_full

# reference image 4
python run_align_pose.py  --ref_name data/images/IMG_20240514_104337.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/IMG_20240514_104337

# reference image 5
python run_align_pose.py  --ref_name data/images/10.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/10

# reference image 6
python run_align_pose.py  --ref_name data/images/taiyi2.jpg --source_video_paths data/videos/source_video.mp4 --saved_pose_dir data/saved_pose/taiyi2

演示视频的处理后目标姿态将保存在 data/saved_pose 中。--ref_name 表示参考图像的路径，--source_video_paths 提供源姿态，--saved_pose_dir 表示处理后目标姿态的路径。

(4) 运行 UniAnimate-DiT-14B 生成 480P 视频

CUDA_VISIBLE_DEVICES="0" python examples/unianimate_wan/inference_unianimate_wan_480p.py

大约需要 23G GPU 显存。之后，将在 ./outputs 文件夹下生成 81 帧、分辨率为 832x480（高 x 宽）的视频片段。

torch_dtype num_persistent_param_in_dit 速度 所需显存 默认设置
torch.bfloat16 7*10**9 (7B) 20.5s/it 23G yes
torch.bfloat16 0 23.0s/it 14G
  • 提示：你可以设置 use_teacache=True 以启用 teacache（一种推理缓存加速技术），这可以实现约 4 倍的推理加速。它可能会对性能产生轻微影响，你也可以使用 teacache 来选择种子。

如果你有很多 GPU 用于推理，我们也支持统一序列并行（Unified Sequence Parallel (USP)），注意统一序列并行（USP）需要 python>=3.10：

pip install xfuser
torchrun --standalone --nproc_per_node=4 examples/unianimate_wan/inference_unianimate_wan_480p_usp.py

对于长视频生成，运行以下命令，上述提示也可以由你自己使用：

CUDA_VISIBLE_DEVICES="0" python examples/unianimate_wan/inference_unianimate_wan_long_video_480p.py

(5) 运行 UniAnimate-DiT-14B 生成 720P 视频

CUDA_VISIBLE_DEVICES="0" python examples/unianimate_wan/inference_unianimate_wan_720p.py

大约需要 36G GPU 显存。之后，将生成 81 帧、分辨率为 1280x720 的视频片段。

torch_dtype num_persistent_param_in_dit 速度 所需显存 默认设置
torch.bfloat16 7*10**9 (7B) 20.5s/it 36G yes
torch.bfloat16 0 23.0s/it 26G
  • 提示：你可以设置 use_teacache=True 以启用 teacache（一种推理缓存加速技术），这可以实现约 4 倍的推理加速。它可能会对性能产生轻微影响，你也可以使用 teacache 来选择种子。

注意：尽管我们的模型是在 832x480 分辨率上训练的，但我们观察到直接在 1280x720 上进行推理通常是允许的，并且会产生令人满意的结果。

对于长视频生成，运行以下命令，上述提示也可以由你自己使用：

CUDA_VISIBLE_DEVICES="0" python examples/unianimate_wan/inference_unianimate_wan_long_video_720p.py

注意：我们发现对 720P 长视频生成使用 teacache 可能导致背景不一致。我们仍在处理这个问题。你可以使用 teacache 来选择随机种子并禁用 teacache 以获得理想结果。

训练

我们支持在我们的数据集上训练 UniAnimate-DiT。

步骤 1：安装额外包

pip install peft lightning pandas
# deepspeed for multiple GPUs
pip install -U deepspeed

步骤 2：准备数据集

为了加快训练速度，我们预先对视频进行了预处理，提取了视频帧和对应的 Dwpose（姿态估计模型），并使用 pickle（Python 序列化包）进行了打包。你需要按以下方式管理训练数据：

data/example_dataset/
└── TikTok
    └── 00001_mp4
      ├── dw_pose_with_foot_wo_face.pkl # packaged Dwpose
      └── frame_data.pkl # packaged frames

我们鼓励添加大量数据来微调（finetune）模型以获得更好的结果。实验结果表明，大约 1000 个训练视频可以微调出一个良好的人像动画模型。有关打包后的 Dwpose/帧的更多详细信息，请参阅 prepare_training_data.py 文件。

步骤 3：训练

为了方便起见，我们不对 VAE（变分自编码器）特征进行预处理，而是将 VAE 预处理和 DiT（扩散 Transformer）模型训练整合在一个训练脚本中，同时也支持数据增强以提升性能。您也可以先提取 VAE 特征，然后再进行后续的 DiT 模型训练。

LoRA（低秩适应）训练（单张 A100 GPU）：

CUDA_VISIBLE_DEVICES="0" python examples/unianimate_wan/train_unianimate_wan.py \
   --task train  \
   --train_architecture lora \
   --lora_rank 64 --lora_alpha 64  \
   --dataset_path data/example_dataset   \
   --output_path ./models_out_one_GPU   \
   --dit_path "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00001-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00002-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00003-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00004-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00005-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00006-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00007-of-00007.safetensors"    \
   --max_epochs 10   --learning_rate 1e-4   \
   --accumulate_grad_batches 1   \
   --use_gradient_checkpointing --image_encoder_path "./Wan2.1-I2V-14B-720P/models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth"  --use_gradient_checkpointing_offload

LoRA 训练（多 GPU，基于 DeepSpeed）：

CUDA_VISIBLE_DEVICES="0,1,2,3" python examples/unianimate_wan/train_unianimate_wan.py  \
   --task train   --train_architecture lora \
   --lora_rank 128 --lora_alpha 128  \
   --dataset_path data/example_dataset   \
   --output_path ./models_out   --dit_path "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00001-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00002-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00003-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00004-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00005-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00006-of-00007.safetensors,./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00007-of-00007.safetensors"     \
   --max_epochs 10   --learning_rate 1e-4   \
   --accumulate_grad_batches 1   \
   --use_gradient_checkpointing \
   --image_encoder_path "./Wan2.1-I2V-14B-720P/models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth" \
   --use_gradient_checkpointing_offload \
   --training_strategy "deepspeed_stage_2"

您也可以通过设置 --pretrained_lora_path="./checkpoints/UniAnimate-Wan2.1-14B-Lora-12000.ckpt" 来微调我们训练好的模型。

步骤 4：测试

测试在单 GPU 上训练的 LoRA 微调模型：

import torch
from diffsynth import ModelManager, WanVideoPipeline, save_video, VideoData, WanUniAnimateVideoPipeline


# Load models
model_manager = ModelManager(device="cpu")
model_manager.load_models(
    ["./Wan2.1-I2V-14B-720P/models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth"],
    torch_dtype=torch.float32, # Image Encoder is loaded with float32
)
model_manager.load_models(
    [
        [
            
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00001-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00002-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00003-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00004-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00005-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00006-of-00007.safetensors",
            "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00007-of-00007.safetensors",

        ],
        "./Wan2.1-I2V-14B-720P/models_t5_umt5-xxl-enc-bf16.pth",
        "./Wan2.1-I2V-14B-720P/Wan2.1_VAE.pth",
    ],
    torch_dtype=torch.bfloat16, 
)

model_manager.load_lora_v2("models/lightning_logs/version_1/checkpoints/epoch=0-step=500.ckpt", lora_alpha=1.0)

...
...

测试基于 DeepSpeed 在多 GPU 上训练的 LoRA 微调模型，首先您需要运行 python zero_to_fp32.py . output_dir/ --safe_serialization 将 .pt 文件转换为 .safetensors 文件。请注意，zero_to_fp32.py 是一个自动生成的文件，可以在使用 DeepSpeed 在多 GPU 上进行训练后的 checkpoint 文件夹中找到。然后运行：

import torch
from diffsynth import ModelManager, WanVideoPipeline, save_video, VideoData, WanUniAnimateVideoPipeline

Load models

model_manager = ModelManager(device="cpu") model_manager.load_models( ["./Wan2.1-I2V-14B-720P/models_clip_open-clip-xlm-roberta-large-vit-huge-14.pth"], torch_dtype=torch.float32, # Image Encoder is loaded with float32 ) model_manager.load_models( [ [

        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00001-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00002-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00003-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00004-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00005-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00006-of-00007.safetensors",
        "./Wan2.1-I2V-14B-720P/diffusion_pytorch_model-00007-of-00007.safetensors",

    ],
    "./Wan2.1-I2V-14B-720P/models_t5_umt5-xxl-enc-bf16.pth",
    "./Wan2.1-I2V-14B-720P/Wan2.1_VAE.pth",
],
torch_dtype=torch.bfloat16,

)

model_manager.load_lora_v2([ "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00001-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00002-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00003-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00004-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00005-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00006-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00007-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00008-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00009-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00010-of-00011.safetensors", "./models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt/output_dir/model-00011-of-00011.safetensors", ], lora_alpha=1.0)

... ...



## 引用

如果您发现此代码库对您的研究有用，请引用以下论文：

@article{wang2025unianimate, title={UniAnimate: Taming Unified Video Diffusion Models for Consistent Human Image Animation}, author={Wang, Xiang and Zhang, Shiwei and Gao, Changxin and Wang, Jiayu and Zhou, Xiaoqiang and Zhang, Yingya and Yan, Luxin and Sang, Nong}, journal={Science China Information Sciences}, year={2025} }



## 免责声明

本项目旨在用于学术研究，我们明确声明不对用户生成内容承担任何责任。用户使用生成模型时的行为由其自行负责。项目贡献者与用户行为无法律关联，也不对其行为负责。负责任地使用生成模型至关重要，需遵守道德和法律标准。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。

★ 87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。

★ 85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。

★ 77.1k|★★★☆☆|昨天
Agent图像开发框架