西工大与微软等开源AI说唱模型！Freestyler：让AI成为你的说唱歌手！
西北工业大学与微软等团队联合推出开源项目Freestyler，能根据歌词和伴奏直接生成自然流畅的说唱人声，模仿指定歌手音色。
开源
高质量表情动图生成！用一张照片和音频，即能生成会说话的表情视频。
ComfyUI-IF_MemoAvatar是一款基于MEMO技术的插件，通过分析面部特征和音频生成富有表现力的表情丰富的动态视频。它支持Windows和Linux用户使用，并具备高质量视频输出、情感表达转移等特色功能。
Gemini 2.0刚发布多模态模式马上开源，自动生成模仿X上用户的AI对话机器人，独立艺术生成设备PaperPiAI
文章介绍了5个项目：Gemini Multimodal Live API + Pipecat聊天应用入门套件、MCP Directory Minecraft服务器目录、PaperPiAI基于Raspberry Pi的独立艺术生成系统、Research Rabbit AI驱动网络研究助手以及Reply gAI个性化回复工具。
远程语音卫星Wyoming Satellite
远程语音卫星使用Wyoming协议进行本地唤醒词检测和音频增强，与智能家居系统无缝对接。通过Python脚本配置麦克风并运行卫星服务，支持多种唤醒词，并提供技术交流群和合作机会。
将 Docker 镜像编译成独立运行的二进制文件dockerc
无需 Docker run、pip install 或 npm i，Dockerc 可生成可执行文件供用户直接运行。支持多种操作系统和架构，并通过 Skopeo 加载镜像。
CodeArena让大型语言模型竞赛并实时显示排名，完全开源的 AI 桌面机器人Desk-Emoji
本期内容包括CodeArena、ChatTTSPlus、Desk-Emoji、LLMOps Python Package和Python-genai五个项目。它们分别提供了大型语言模型竞赛、语音合成增强版、AI桌面机器人、LLM全生命周期管理工具包以及Google生成式AI SDK，覆盖了模型比较、加速技术、交互式应用等多个方面。
专为 AI Agent和AI应用构建的开源浏览器自动化 API：steel-browser
Steel Browser 是一个开源浏览器自动化 API，支持 AI 应用和代理构建。它提供了 REST API 接口来控制浏览器操作，兼容 Docker，并且易于部署和使用。
将各种文件格式转换为Markdown的开源工具E2M
E2M 是一个 Python 库，用于将多种文件格式（如 doc, docx, epub, html 等）转换为 Markdown 格式。通过解析器和转换器架构实现，支持包括 PDF、MP3、URL 在内的多种文件类型的处理，并提供 CLI 工具来加速转换过程。