dwzhu-pku/PaperBanana

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

这是一个利用VLM和图像生成模型为学术论文制作插图的工具，提供可选择模型的Streamlit界面。它是从Google Research的PaperVizAgent fork而来的项目。

对 ATF 的帮助

当LabChin的最终研究报告需要配图时，可以作为参考。其分别选择主模型和图像模型的做法也值得比较。

许可证

Apache-2.0 宽松许可，含专利授权。可商用，需保留声明并注明修改。

同领域的其他仓库

• jamiepine/voicebox
  一款本地AI语音工作室，可用简短音频样本克隆声音，用多种TTS引擎生成语音，并通过快捷键在任意文本框中听写输入。它还可以为支持MCP的AI agent提供声音。
• ace-step/ACE-Step-1.5
  ACE-Step 1.5是一个可在Mac、AMD、Intel和CUDA设备上本地运行的开源音乐生成模型。用户可以用几首歌曲训练LoRA，以体现自己的风格。
• waooAI/waoowaoo
  用于制作图片和视频的AI工作空间。用户与助手一起完善创意简报，上传参考素材，在画布上生成和修改结果；将结果修改为新版本时会保留原版本。
• QwenLM/Qwen3-TTS
  阿里云Qwen团队开源的TTS语音合成模型系列。支持流式语音生成、自由声音设计、声音克隆以及通过自然语言控制语音。
• nikopueringer/CorridorKey
  CorridorKey 是用于绿幕抠像的神经网络。它从原始绿幕画面中，为每个像素预测前景颜色和干净的线性 alpha 通道，包括半透明边缘和运动模糊。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。