开源星探

中科院甩出多模态“核弹”！类GPT-4o多模态模型开源！支持语言-视觉-语音任意组合交互！

作者

中国科学院计算技术研究所开源了一款名为Stream-Omni的多模态模型，支持文本、图像和语音交互，生成文本和语音回复。其核心在于高效模态对齐技术，仅需少量数据即可训练，并提供无缝的‘边听边看’体验。

谷歌杀疯了！全新开源AI编程工具Gemini CL，刚开源1天就斩获26.5K标星！

作者

谷歌发布开源AI编程工具Gemini CLI，支持命令行终端操作，具备自然语言驱动的复杂任务执行、自主规划与任务分解、多模态AI能力融合等特性。免费套餐包括100万Tokens上下文的大模型使用权限，免费额度为业界天花板级。

告别依赖地狱！新型Python打包神器，支持三种打包模式，跨平台，零配置！

作者

Python打包工具PyFuze介绍：兼容macOS、Linux、Windows，提供三种打包模式（Bundle, Online, Portable），支持GUI应用和跨平台运行。主要功能包括自定义入口文件、依赖项管理等。快速使用方法简单，示例涵盖多种场景如内部工具分发、桌面工具打包、离线部署等。

开源TTS离线工具！浏览器本地运行，仅300MB模型大小，零服务器依赖，隐私0泄露！

作者

Streaming-Kokoro是一款基于Kokoro-82M模型的开源浏览器TTS工具，支持流式音频生成、多语言语音风格和轻量高效等特点。它完全在本地运行，无需上传数据或服务器端处理，适合各类应用场景。