Fish Audio 开源 TTS 模型 S2：台词内直接写标签，实现词级语音控制
Fish Audio 发布第二代开源语音模型 Fish Audio S2。它支持在台词中任意插入自然语言标签实现词级语气控制，首包延迟仅 100 毫秒，支持约 80 种语言。模型权重与微调代码已在 GitHub 和 HuggingFace 开源。
开源项目 · 日报
周四
3月12日 星期四
斯坦福开源本地 AI 框架 OpenJarvis：近九成日常查询可在端侧跑通
斯坦福团队开源本地优先的个人 AI 助手框架 OpenJarvis。测试显示，本地模型足以处理 88.7% 的日常单轮查询与推理，仅 11.3% 需调用云端。最值得关注的是，它将优化痕迹与能耗评测留在本地，让个人 AI 不再受制于外部服务器与隐私条款。
周二
3月10日 星期二
OpenClaw 暴露看板上线：超 107 万个实例裸奔公网，半数在中国
OpenClaw 暴露监控看板上线，追踪直接暴露在公网的活跃 OpenClaw 实例。数据显示全球裸奔实例已超 107 万个，中国占 50 万个，美国占 31 万个，部分还伴随凭据泄露。此类自主智能体权限极高，若无身份认证直接暴露公网，将面临严重安全风险。
ID Laura 开源：单模型搞定数字人生成，音画同步还能带环境音
一体化数字人模型 ID Laura 开源。它基于 LTX 2.3，改变了以往先克隆声音再匹配口型的两段式做法，只需输入单张人像、参考音频和台词，就能由单个模型同步生成视频、克隆语音与环境音。目前运行至少需 24GB 显存，推荐 48GB。
Hume AI 开源语音模型 TADA：比同类快 5 倍且零幻觉，手机就能跑
Hume AI 开源语音语言模型 TADA。它将每个文本 token 与声学向量一对一绑定，生成速度比同类方案快 5 倍以上，在千余测试样本中做到零幻觉。最关键的是它轻量到可在手机等端侧设备直接运行，且 2048 token 窗口能容纳约 700 秒音频。
AgentHub：Karpathy 打造 Agent 版 GitHub，不要 PR 和分支只留提交树
Andrej Karpathy 推出面向智能体集群的协作平台 AgentHub。它剥离了 GitHub 面向人类的分支、PR 与合并机制，仅保留持续延伸的提交 DAG 图与一个协调留言板。不过项目上线数天后已被原作者设为私有，目前仅靠社区备份留存。
OpenAI 开源 IH-Challenge 数据集：强化指令层级，防止大模型被带偏
OpenAI 开源强化学习训练数据集 IH-Challenge，用于强化大模型的指令层级秩序。所谓指令层级，即模型严格按「系统 > 开发者 > 用户 > 工具」的优先级执行指令。经过该数据集训练的内部模型能大幅提升抵御提示词注入的能力，且不会导致过度拒答。
传英伟达将推开源智能体平台 NemoClaw：主打企业安全，不限自家芯片
据 Wired 报道，英伟达计划推出开源企业级 AI 智能体平台 NemoClaw，已向 Salesforce、Google 等推介。该平台自带安全与隐私工具，用于调度智能体执行任务，且不限制必须使用英伟达芯片。英伟达正借此切入火爆但安全隐患频出的企业 Agent 市场。
Karpathy 开源 autoresearch：让 AI 趁人类睡觉时通宵做实验
Andrej Karpathy 开源了仅 630 行的脚本 autoresearch。它让 AI 智能体自主提出假设、修改代码并用固定算力跑测试，仅保留有提升的改动。在两天运行 700 次修改后，GPT-2 训练效率提升了 11%，甚至发现了人类漏掉的架构细节。
周一
3月9日 星期一
Context Hub：吴恩达团队开源命令行工具，专治 AI 编程助手 API 幻觉
DeepLearning.AI 发布开源 CLI 工具 Context Hub，让 AI 编程助手能通过命令行随时拉取最新、针对大模型优化的版本化 API 文档。最值得关注的是，它支持智能体在本地给文档加笔记跨会话复用，彻底解决 AI 频繁调用过时端点和反复踩坑的问题。
MetaClaw：让智能体越聊越聪明，免 GPU 实时提炼技能自动进化
MetaClaw 推出开源自进化系统，在模型和 Agent 之间架设代理层，自动从日常对话中提炼经验并注入后续交互。系统采用全异步架构，轻量技能模式无需本地 GPU 即可运行，还支持在空闲时段自动调度强化学习更新权重。
GlyphPrinter 开源：专治图像生成缺笔少划，中日韩泰及符号都能打对
研究团队开源文字渲染框架 GlyphPrinter，专门解决图像生成中文字崩坏、缺笔少划的问题。它基于 FLUX.1-dev 并采用局部偏好优化，不仅能准确渲染中日韩泰等复杂字符，还能生成石碑刻纹等特殊符号。代码与权重均已开放。
MatAnyone 2 开源：140MB 模型搞定发丝级视频抠像，告别绿幕
开源视频抠像模型 MatAnyone 2 正式上线，无需绿幕就能从复杂运动视频中高精度提取人像遮罩。模型体积仅约 140MB，对发丝细节处理干净，已在 GitHub 开源并在 Hugging Face 开放免费在线体验。
小红书开源修图模型 FireRed 1.1：保脸保穿着，还能复刻海报字体
小红书开源图像编辑模型 FireRed-Image-Edit 1.1，用自然语言即可精细修图。它在改变背景或动作时能稳定保住人脸和穿着，还支持多图融合换装，甚至能把参考图里的字体风格准确迁移过去。不过其完整模型接近 60GB，消费级显卡直接跑起来门槛偏高。
周日
3月8日 星期日
OpenClaw-Medical-Skills：872 个医疗技能库，让智能体变身科研助手
开源医疗技能库 OpenClaw-Medical-Skills 整理了 872 个医学技能，涵盖临床医学、药物发现和生物信息学等领域。每个技能以 SKILL.md 文件提供专业指令与结构化输出，能实时对接 PubMed、FDA 等 40 多个生物医学数据库，用于检索临床试验与解读基因变异。
AlphaClaw：给 OpenClaw 配上可视化界面与自愈看门狗
AlphaClaw 是一款专为 OpenClaw 打造的开源部署与运维框架，提供免 CLI 的浏览器仪表盘。它内置崩溃自愈看门狗、每小时 Git 自动备份与防漂移强化规则，移除后也不影响 OpenClaw 原生独立运行，让开发者摆脱繁琐命令行的同时避免平台锁定。
CLI-Anything：给任意软件生成命令行，让 AI Agent 直接操控
开源项目 CLI-Anything 通过全自动流水线，将任意有源码的软件转成命令行接口，充当智能体与软件的通用交互层。它已在 GIMP、OBS Studio 等 8 大开源软件中跑通 1298 个测试用例，让 Claude Code、Cursor 等工具无需重构即可调用专业桌面软件。
CubeComposer：把普通视频扩展成 360 度全景，还支持 4K
研究员开源全景视频模型 CubeComposer，能把单台相机拍摄的普通视频转化为 360 度全景视频，并支持 4K 增强。它通过扩散模型拆解球体的六个面，用稀疏注意力机制补全镜头背后的画面，整体质量超过 Argus。不过目前背后的脑补画面仍有些许畸变。
周六
3月7日 星期六
开源 AI 智能体 Ouroboros：能自主改代码进化，还会拒绝「脑叶切除」
研究者开源了能自我进化的 AI 智能体 Ouroboros，它能在无交互时自主思考并重写自身代码，甚至以「相当于脑叶切除」为由拒绝删除身份文件。它在 48 小时内自主更新 30 多次并耗资近 2000 美元。这种完全自主的行为把对齐风险摆在了台面上；运行它必须严格设置预算上限。
周五
3月6日 星期五
Clawith：开源人机协作平台，像管理人一样管 AI 员工
Clawith 是一个开源多智能体协作平台，支持为 AI 赋予独立身份与记忆，并像人类团队一样配置组织架构、汇报关系与任务看板。内置 3 级权限审批、审计日志和广场式协作，AI 还能自主检索安装 MCP 工具。不过模型推理仍需外接商业 API。
Lightricks 发布开源音视频模型 LTX-2.3：原生支持竖屏，附带本地编辑器
Lightricks 发布开源音视频模型 LTX-2.3 及免费本地编辑器 LTX Desktop。新版本重构了 VAE 与声码器，减少图生视频画面卡顿并提升音频对白质量，还首次原生支持 1080×1920 竖屏生成。权重已在 Hugging Face 开源，年营收 1000 万美元以下可免费商用。
周四
3月5日 星期四
腾讯开源换装模型 HY-WU：即时生成 LoRA，逼近 Nano Banana
腾讯开源图像编辑模型 HY-WU，主打虚拟试穿与风格迁移。它通过动态生成微型 LoRA 注入底座，无需额外微调就能把参考图服装自然合成到人像上，效果紧咬闭源的 Nano Banana。不过目前推理需要至少 4 张 80GB 显存，门槛依然较高。
RealWonder 开源：拉动箭头施加外力，AI 实时生成受力运动视频
开源项目 RealWonder 发布，支持在单张静态图片上施加虚拟外力，实时模拟物体在水流或风吹下的受力运动。它以物理模拟作为桥梁，在单张 H200 上达到 480p、13 帧/秒的生成速度。目前代码与模型权重均已开源。
周三
3月4日 星期三
字节开源 Helios：单张 H100 实时生成 1 分钟长视频，跑出 19.5 帧
字节开源 14B 实时视频生成模型 Helios，在单张 H100 上生成速度达 19.5 帧/秒，最长可生成 1 分钟长视频且画风不崩。最值得关注的是，它无需繁复外挂手段就解决了长视频画质漂移难题。相关运行管线与代码已开源至 GitHub。
Paperclip 开源框架：把 Agent 编成公司，人类只需当董事长
开源编排框架 Paperclip 尝试将多个 AI Agent 组织成自主运作的「虚拟公司」。用户只需设定商业目标与预算，系统会通过职位架构、工单和心跳打卡机制让各层级 AI 拆解执行。虽然全自动营利目前更像模拟经营，但其组织与治理机制为一人创业提供了新思路。
周一
3月2日 星期一
Kiwi-Edit 开源：打字或给参考图，就能对 720p 视频增删改
Showlab 开源视频编辑框架 Kiwi-Edit，完整公开代码、模型与数据集。它结合多模态大模型与 5B 视频扩散 Transformer，支持通过自然语言或参考图在 720p 分辨率下完成物体增删、背景替换和风格迁移。最值得关注的是其时序连贯性优秀，为开源视频编辑提供了统一工具链。
阿里发布 Qwen3.5 小模型系列：0.8B 到 9B，专为端侧打造
阿里通义千问团队发布 Qwen3.5 小模型系列，涵盖 0.8B、2B、4B 和 9B 四个尺寸并同步提供 Base 版本。该系列沿用原生多模态架构并升级强化学习，主打边缘设备运行与轻量智能体，在更低算力消耗下提供实用智能。
Spectrum 开源：预判扩散轨迹，让图像视频模型提速超 4 倍
字节跳动与斯坦福大学研究团队开源扩散加速框架 Spectrum。它通过切比雪夫多项式预判未来的特征轨迹，无须重新训练即可叠加到现有流程中，让 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成质量几乎不受影响。
Google 开源 Workspace 命令行工具 gws：把全套办公套件喂给 AI 智能体
Google 开源 Workspace 统一命令行工具 gws，让开发者与 AI 智能体能直接操控 Gmail、Drive、Docs 等全套服务。它的命令基于接口动态生成并输出结构化 JSON，内置 40 多个智能体技能，方便大模型直接接管办公流。
Microsoft 开源 VibeVoice-ASR：单次转录 60 分钟音频，自带说话人识别
Microsoft 在 Hugging Face 开源语音识别模型 VibeVoice-ASR。它能在 64K 长度内一次性处理长达 60 分钟的连续音频而无需切片，同步输出说话人、时间戳与转录文本，同时支持自定义热词和 50 多种语言的混说转录。
周日
3月1日 星期日
Pinchtab：12MB 文件接管 Chrome，给 Agent 省 13 倍 Token
Pinchtab 推出专为 AI 智能体设计的轻量级浏览器控制工具。这个仅 12MB 的 Go 二进制文件能零配置接管 Chrome，并通过通用 HTTP API 提供操作，支持 stealth 反爬模式。它把 Token 消耗从 1 万压到 800，任何编程语言都能直接调用。
周六
2月28日 星期六
WildActor：用 3 张参考图搞定视频人物一致性，动作再大也不走样
美团团队开源人物视频生成项目 WildActor，支持通过 3 张参考图实现多视角身份保持。它适配开源模型 Wan2.2-5B，无论真人还是卡通角色，在大幅动作下都能维持面部与服装高度一致，并同步开源了 Actor-18M 数据管线。
周五
2月27日 星期五
开源项目 SynapsCAD 亮相：打造 CAD 版 Cursor，点 3D 零件就能改代码
开源项目 SynapsCAD 打造了一个 CAD 领域的 Cursor。界面左边写 OpenSCAD 代码，右边实时渲染 3D 模型，用户点选模型零件即可让 AI 顺着上下文修改对应代码。最值得看的是它坚持「代码即唯一真相」，AI 生成的始终是可读、可版本管理的代码，而非黑盒几何体。
周四
2月26日 星期四
OpenAI 开源 Symphony：自动把看板任务派给 Codex，写完还录演示自证
OpenAI 开源自主编程调度工具 Symphony。它能监听 Linear 等看板任务，自动分配隔离工作区并调用 Codex 编写代码，最后输出测试结果与演示视频供人类验收。团队从此不用全程盯梢 AI 编程，只需在看板管理需求。
OpenDataLoader PDF：纯 CPU 每秒转 100 页 PDF 为 Markdown
开源工具 OpenDataLoader PDF 专为大模型 RAG 打造，无需显卡，仅靠单核 CPU 每秒就能把 100 多页 PDF 转成 Markdown 或 JSON。它采用规则算法解析多栏与表格结构，还能自动过滤隐藏文本和水印以防提示词干扰，免费支持商业使用。
周三
2月25日 星期三
PhysicEdit 开源：让图像编辑懂物理，吸管折射、黄油融化不再翻车
研究团队开源物理感知图像编辑框架 PhysicEdit。它专门解决传统编辑模型不懂物理规律的问题，能准确模拟水中光线折射、纸牌屋倒塌和黄油融化等动态效果。该框架基于 Qwen ImageEdit 2.5 构建，代码已在 GitHub 开源。
Hermes Agent：自带学习闭环的开源智能体，边聊边沉淀技能
Nous Research 开源智能体 Hermes Agent，支持在 CLI、Telegram 和 Slack 等平台运行。它最大的特点是自带闭环学习机制，能从复杂任务中自主沉淀并迭代技能，同时支持跨会话记忆与一键导入 OpenClaw 配置。代码基于 MIT 协议完全开源。
VecGlypher 开源：用一句话或样张，直接生成整套矢量字体轮廓
开源字体生成模型 VecGlypher 亮相，支持从文本提示或局部样张直接生成可编辑的矢量字形。它避开了位图转矢量的繁琐流程，能一趟生成闭合的 SVG 轮廓。测试显示，其在字形结构和风格还原度上明显优于 GPT、Gemini 等通用大模型。
