Fish Audio 開源 TTS 模型 S2：臺詞內直接寫標籤，實現詞級語音控制
Fish Audio 釋出第二代開源語音模型 Fish Audio S2。它支援在臺詞中任意插入自然語言標籤實現詞級語氣控制，首包延遲僅 100 毫秒，支援約 80 種語言。模型權重與微調程式碼已在 GitHub 和 HuggingFace 開源。
開源專案 · 日報
週四
3月12日 星期四
斯坦福開源本地 AI 框架 OpenJarvis：近九成日常查詢可在端側跑通
斯坦福團隊開源本地優先的個人 AI 助手框架 OpenJarvis。測試顯示，本地模型足以處理 88.7% 的日常單輪查詢與推理，僅 11.3% 需呼叫雲端。最值得關注的是，它將最佳化痕跡與能耗評測留在本地，讓個人 AI 不再受制於外部伺服器與隱私條款。
週二
3月10日 星期二
OpenClaw 暴露看板上線：超 107 萬個例項裸奔公網，半數在中國
OpenClaw 暴露監控看板上線，追蹤直接暴露在公網的活躍 OpenClaw 例項。資料顯示全球裸奔例項已超 107 萬個，中國佔 50 萬個，美國佔 31 萬個，部分還伴隨憑據洩露。此類自主智慧體許可權極高，若無身份認證直接暴露公網，將面臨嚴重安全風險。
ID Laura 開源：單模型搞定數字人生成，音畫同步還能帶環境音
一體化數字人模型 ID Laura 開源。它基於 LTX 2.3，改變了以往先克隆聲音再匹配口型的兩段式做法，只需輸入單張人像、參考音訊和臺詞，就能由單個模型同步生成影片、克隆語音與環境音。目前執行至少需 24GB 視訊記憶體，推薦 48GB。
Hume AI 開源語音模型 TADA：比同類快 5 倍且零幻覺，手機就能跑
Hume AI 開源語音語言模型 TADA。它將每個文本 token 與聲學向量一對一繫結，生成速度比同類方案快 5 倍以上，在千餘測試樣本中做到零幻覺。最關鍵的是它輕量到可在手機等端側裝置直接執行，且 2048 token 視窗能容納約 700 秒音訊。
AgentHub：Karpathy 打造 Agent 版 GitHub，不要 PR 和分支只留提交樹
Andrej Karpathy 推出面向智慧體叢集的協作平臺 AgentHub。它剝離了 GitHub 面向人類的分支、PR 與合併機制，僅保留持續延伸的提交 DAG 圖與一個協調留言板。不過專案上線數天後已被原作者設為私有，目前僅靠社群備份留存。
OpenAI 開源 IH-Challenge 資料集：強化指令層級，防止大模型被帶偏
OpenAI 開源強化學習訓練資料集 IH-Challenge，用於強化大模型的指令層級秩序。所謂指令層級，即模型嚴格按「系統 > 開發者 > 使用者 > 工具」的優先順序執行指令。經過該資料集訓練的內部模型能大幅提升抵禦提示詞注入的能力，且不會導致過度拒答。
傳輝達將推開源智慧體平臺 NemoClaw：主打企業安全，不限自家晶片
據 Wired 報道，輝達計劃推出開源企業級 AI 智慧體平臺 NemoClaw，已向 Salesforce、Google 等推介。該平臺自帶安全與隱私工具，用於排程智慧體執行任務，且不限制必須使用輝達晶片。輝達正藉此切入火爆但安全隱患頻出的企業 Agent 市場。
Karpathy 開源 autoresearch：讓 AI 趁人類睡覺時通宵做實驗
Andrej Karpathy 開源了僅 630 行的指令碼 autoresearch。它讓 AI 智慧體自主提出假設、修改程式碼並用固定算力跑測試，僅保留有提升的改動。在兩天執行 700 次修改後，GPT-2 訓練效率提升了 11%，甚至發現了人類漏掉的架構細節。
週一
3月9日 星期一
Context Hub：吳恩達團隊開源命令列工具，專治 AI 程式設計助手 API 幻覺
DeepLearning.AI 釋出開源 CLI 工具 Context Hub，讓 AI 程式設計助手能通過命令列隨時拉取最新、針對大模型最佳化的版本化 API 文件。最值得關注的是，它支援智慧體在本地給文件加筆記跨會話複用，徹底解決 AI 頻繁呼叫過時端點和反覆踩坑的問題。
MetaClaw：讓智慧體越聊越聰明，免 GPU 即時提煉技能自動進化
MetaClaw 推出開源自進化系統，在模型和 Agent 之間架設代理層，自動從日常對話中提煉經驗並注入後續互動。系統採用全非同步架構，輕量技能模式無需本地 GPU 即可執行，還支援在空閒時段自動排程強化學習更新權重。
GlyphPrinter 開源：專治影像生成缺筆少劃，中日韓泰及符號都能打對
研究團隊開源文字渲染框架 GlyphPrinter，專門解決影像生成中文字崩壞、缺筆少劃的問題。它基於 FLUX.1-dev 並採用區域性偏好最佳化，不僅能準確渲染中日韓泰等複雜字元，還能生成石碑刻紋等特殊符號。程式碼與權重均已開放。
MatAnyone 2 開源：140MB 模型搞定髮絲級影片摳像，告別綠幕
開源影片摳像模型 MatAnyone 2 正式上線，無需綠幕就能從複雜運動影片中高精度提取人像遮罩。模型體積僅約 140MB，對髮絲細節處理乾淨，已在 GitHub 開源並在 Hugging Face 開放免費線上體驗。
小紅書開源修圖模型 FireRed 1.1：保臉保穿著，還能復刻海報字型
小紅書開源影像編輯模型 FireRed-Image-Edit 1.1，用自然語言即可精細修圖。它在改變背景或動作時能穩定保住人臉和穿著，還支援多圖融合換裝，甚至能把參考圖裡的字型風格準確遷移過去。不過其完整模型接近 60GB，消費級顯示卡直接跑起來門檻偏高。
週日
3月8日 星期日
OpenClaw-Medical-Skills：872 個醫療技能庫，讓智慧體變身科研助手
開源醫療技能庫 OpenClaw-Medical-Skills 整理了 872 個醫學技能，涵蓋臨床醫學、藥物發現和生物資訊學等領域。每個技能以 SKILL.md 檔案提供專業指令與結構化輸出，能即時對接 PubMed、FDA 等 40 多個生物醫學資料庫，用於檢索臨床試驗與解讀基因變異。
AlphaClaw：給 OpenClaw 配上視覺化介面與自愈看門狗
AlphaClaw 是一款專為 OpenClaw 打造的開源部署與運維框架，提供免 CLI 的瀏覽器儀表盤。它內建崩潰自愈看門狗、每小時 Git 自動備份與防漂移強化規則，移除後也不影響 OpenClaw 原生獨立執行，讓開發者擺脫繁瑣命令列的同時避免平臺鎖定。
CLI-Anything：給任意軟體生成命令列，讓 AI Agent 直接操控
開源專案 CLI-Anything 通過全自動流水線，將任意有原始碼的軟體轉成命令列介面，充當智慧體與軟體的通用互動層。它已在 GIMP、OBS Studio 等 8 大開源軟體中跑通 1298 個測試用例，讓 Claude Code、Cursor 等工具無需重構即可呼叫專業桌面軟體。
CubeComposer：把普通影片擴充套件成 360 度全景，還支援 4K
研究員開源全景影片模型 CubeComposer，能把單臺相機拍攝的普通影片轉化為 360 度全景影片，並支援 4K 增強。它通過擴散模型拆解球體的六個面，用稀疏注意力機制補全鏡頭背後的畫面，整體質量超過 Argus。不過目前背後的腦補畫面仍有些許畸變。
週六
3月7日 星期六
開源 AI 智慧體 Ouroboros：能自主改程式碼進化，還會拒絕「腦葉切除」
研究者開源了能自我進化的 AI 智慧體 Ouroboros，它能在無互動時自主思考並重寫自身程式碼，甚至以「相當於腦葉切除」為由拒絕刪除身份檔案。它在 48 小時內自主更新 30 多次並耗資近 2000 美元。這種完全自主的行為把對齊風險擺在了檯面上；執行它必須嚴格設定預算上限。
週五
3月6日 星期五
Clawith：開源人機協作平臺，像管理人一樣管 AI 員工
Clawith 是一個開源多智慧體協作平臺，支援為 AI 賦予獨立身份與記憶，並像人類團隊一樣配置組織架構、彙報關係與任務看板。內建 3 級許可權審批、審計日誌和廣場式協作，AI 還能自主檢索安裝 MCP 工具。不過模型推理仍需外接商業 API。
Lightricks 釋出開源音影片模型 LTX-2.3：原生支援豎屏，附帶本地編輯器
Lightricks 釋出開源音影片模型 LTX-2.3 及免費本地編輯器 LTX Desktop。新版本重構了 VAE 與聲碼器，減少圖生影片畫面卡頓並提升音訊對白質量，還首次原生支援 1080×1920 豎屏生成。權重已在 Hugging Face 開源，年營收 1000 萬美元以下可免費商用。
週四
3月5日 星期四
騰訊開源換裝模型 HY-WU：即時生成 LoRA，逼近 Nano Banana
騰訊開源影像編輯模型 HY-WU，主打虛擬試穿與風格遷移。它通過動態生成微型 LoRA 注入底座，無需額外微調就能把參考圖服裝自然合成到人像上，效果緊咬閉源的 Nano Banana。不過目前推理需要至少 4 張 80GB 視訊記憶體，門檻依然較高。
RealWonder 開源：拉動箭頭施加外力，AI 即時生成受力運動影片
開源專案 RealWonder 釋出，支援在單張靜態圖片上施加虛擬外力，即時模擬物體在水流或風吹下的受力運動。它以物理模擬作為橋梁，在單張 H200 上達到 480p、13 幀/秒的生成速度。目前程式碼與模型權重均已開源。
週三
3月4日 星期三
位元組開源 Helios：單張 H100 即時生成 1 分鐘長影片，跑出 19.5 幀
位元組開源 14B 即時影片生成模型 Helios，在單張 H100 上生成速度達 19.5 幀/秒，最長可生成 1 分鐘長影片且畫風不崩。最值得關注的是，它無需繁複外掛手段就解決了長影片畫質漂移難題。相關執行管線與程式碼已開源至 GitHub。
Paperclip 開源框架：把 Agent 編成公司，人類只需當董事長
開源編排框架 Paperclip 嘗試將多個 AI Agent 組織成自主運作的「虛擬公司」。使用者只需設定商業目標與預算，系統會通過職位架構、工單和心跳打卡機制讓各層級 AI 拆解執行。雖然全自動營利目前更像模擬經營，但其組織與治理機制為一人創業提供了新思路。
週一
3月2日 星期一
Kiwi-Edit 開源：打字或給參考圖，就能對 720p 影片增刪改
Showlab 開源影片編輯框架 Kiwi-Edit，完整公開程式碼、模型與資料集。它結合多模態大模型與 5B 影片擴散 Transformer，支援通過自然語言或參考圖在 720p 解析度下完成物體增刪、背景替換和風格遷移。最值得關注的是其時序連貫性優秀，為開源影片編輯提供了統一工具鏈。
阿里釋出 Qwen3.5 小模型系列：0.8B 到 9B，專為端側打造
阿里通義千問團隊釋出 Qwen3.5 小模型系列，涵蓋 0.8B、2B、4B 和 9B 四個尺寸並同步提供 Base 版本。該系列沿用原生多模態架構並升級強化學習，主打邊緣裝置執行與輕量智慧體，在更低算力消耗下提供實用智慧。
Spectrum 開源：預判擴散軌跡，讓影像影片模型提速超 4 倍
字節跳動與斯坦福大學研究團隊開源擴散加速框架 Spectrum。它通過切比雪夫多項式預判未來的特徵軌跡，無須重新訓練即可疊加到現有流程中，讓 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成質量幾乎不受影響。
Google 開源 Workspace 命令列工具 gws：把全套辦公套件餵給 AI 智慧體
Google 開源 Workspace 統一命令列工具 gws，讓開發者與 AI 智慧體能直接操控 Gmail、Drive、Docs 等全套服務。它的命令基於介面動態生成並輸出結構化 JSON，內建 40 多個智慧體技能，方便大模型直接接管辦公流。
Microsoft 開源 VibeVoice-ASR：單次轉錄 60 分鐘音訊，自帶說話人識別
Microsoft 在 Hugging Face 開源語音識別模型 VibeVoice-ASR。它能在 64K 長度內一次性處理長達 60 分鐘的連續音訊而無需切片，同步輸出說話人、時間戳與轉錄文本，同時支援自定義熱詞和 50 多種語言的混說轉錄。
週日
3月1日 星期日
Pinchtab：12MB 檔案接管 Chrome，給 Agent 省 13 倍 Token
Pinchtab 推出專為 AI 智慧體設計的輕量級瀏覽器控制工具。這個僅 12MB 的 Go 二進位制檔案能零配置接管 Chrome，並通過通用 HTTP API 提供操作，支援 stealth 反爬模式。它把 Token 消耗從 1 萬壓到 800，任何程式語言都能直接呼叫。
週六
2月28日 星期六
WildActor：用 3 張參考圖搞定影片人物一致性，動作再大也不走樣
美團團隊開源人物影片生成專案 WildActor，支援通過 3 張參考圖實現多視角身份保持。它適配開源模型 Wan2.2-5B，無論真人還是卡通角色，在大幅動作下都能維持面部與服裝高度一致，並同步開源了 Actor-18M 資料管線。
週五
2月27日 星期五
開源專案 SynapsCAD 亮相：打造 CAD 版 Cursor，點 3D 零件就能改程式碼
開源專案 SynapsCAD 打造了一個 CAD 領域的 Cursor。介面左邊寫 OpenSCAD 程式碼，右邊即時渲染 3D 模型，使用者點選模型零件即可讓 AI 順著上下文修改對應程式碼。最值得看的是它堅持「程式碼即唯一真相」，AI 生成的始終是可讀、可版本管理的程式碼，而非黑盒幾何體。
週四
2月26日 星期四
OpenAI 開源 Symphony：自動把看板任務派給 Codex，寫完還錄演示自證
OpenAI 開源自主程式設計排程工具 Symphony。它能監聽 Linear 等看板任務，自動分配隔離工作區並呼叫 Codex 編寫程式碼，最後輸出測試結果與演示影片供人類驗收。團隊從此不用全程盯梢 AI 程式設計，只需在看板管理需求。
OpenDataLoader PDF：純 CPU 每秒轉 100 頁 PDF 為 Markdown
開源工具 OpenDataLoader PDF 專為大模型 RAG 打造，無需顯示卡，僅靠單核 CPU 每秒就能把 100 多頁 PDF 轉成 Markdown 或 JSON。它採用規則演算法解析多欄與表格結構，還能自動過濾隱藏文本和水印以防提示詞幹擾，免費支援商業使用。
週三
2月25日 星期三
PhysicEdit 開源：讓影像編輯懂物理，吸管折射、黃油融化不再翻車
研究團隊開源物理感知影像編輯框架 PhysicEdit。它專門解決傳統編輯模型不懂物理規律的問題，能準確模擬水中光線折射、紙牌屋倒塌和黃油融化等動態效果。該框架基於 Qwen ImageEdit 2.5 構建，程式碼已在 GitHub 開源。
Hermes Agent：自帶學習閉環的開源智慧體，邊聊邊沉澱技能
Nous Research 開源智慧體 Hermes Agent，支援在 CLI、Telegram 和 Slack 等平臺執行。它最大的特點是自帶閉環學習機制，能從複雜任務中自主沉澱並迭代技能，同時支援跨會話記憶與一鍵匯入 OpenClaw 配置。程式碼基於 MIT 協議完全開源。
VecGlypher 開源：用一句話或樣張，直接生成整套向量字型輪廓
開源字型生成模型 VecGlypher 亮相，支援從文本提示或區域性樣張直接生成可編輯的向量字形。它避開了點陣圖轉向量的繁瑣流程，能一趟生成閉合的 SVG 輪廓。測試顯示，其在字形結構和風格還原度上明顯優於 GPT、Gemini 等通用大模型。
