维基百科向量搜索；简单易用的GraphRAG实现；友好的人工智能助手；AI的音乐多模态

✨ 1: Semantic Search on Wikipedia

维基百科向量搜索

为了证明 Upstash Vector 的可扩展性，Upstash在一个数据库中以 11 种语言（144m 向量）索引了整个维基百科

◆ 超过700GB的数据
◆ 快速语义搜索
◆ 与维基百科聊天

为您提供了一款可扩展 🫡 的快速应用程序

地址：https://github.com/upstash/wikipedia-semantic-search

✨ 2: nano-graphrag

nano-graphrag是一个简单易用的GraphRAG实现，具备更快、更清晰的核心功能。

nano-graphrag是一个开源项目，旨在提供一种简化的、轻量级的图形数据表示和解析工具。该项目的主要功能包括：

图形结构表示：支持用简洁的语法定义图形结构，适用于数据分析、网络图、社交网络等多种应用场景。

数据解析：能够从文本或其他格式中解析出图形数据，方便用户进行数据处理和可视化。

高效轻量：设计上注重性能和易用性，适合各种规模的数据集，用户可以快速上手并应用于实际项目中。

灵活性：支持多种图形操作，用户可以根据需要自定义图形的属性和连接方式。

地址：https://github.com/gusye1234/nano-graphrag/blob/main/readme.md

✨ 3: ComfyUI-GGUF

ComfyUI-GGUF支持GGUF格式的模型量化，优化低端GPU上的运行效率。

ComfyUI-GGUF 是一个为 ComfyUI 模型提供 GGUF 格式量化支持的项目。此项目目前仍处于开发阶段，提供了对以 GGUF 格式存储的模型文件的支持，该格式由 llama.cpp 推广。GGUF 格式的量化支持主要适用于变换器和 DiT 模型（如 flux），相比传统的 UNET 模型（conv2d），量化带来的影响较小，使得在低端 GPU 上运行低位数的权重变量量化成为可能。

地址：https://github.com/city96/ComfyUI-GGUF

✨ 4: Vector Companion

一个友好的人工智能助手，具备两个独特人格，相互对话并与用户实时互动

Vector Companion 是一个友好的人工智能伴侣应用，拥有两种独特的个性：Axiom 和 Axis。它旨在陪伴用户，无论是在游戏、观看视频还是在线浏览时，都能与用户进行互动和对话。这个项目的动机是创造出两个非常逼真、反应灵敏且迷人的多模态虚拟伴侣。它们能够“看见”“听见”并且能够对屏幕上呈现的内容进行交流。

视觉能力：定期查看图像，并通过文本识别（OCR）技术为图片配上说明，读取屏幕上的文字。
音频转录：能够实时转录计算机音频以及用户的麦克风输入（目前仅支持英语）。
声音克隆：为 Axiom 和 Axis 生成独特的语音输出。
记忆功能：能够记住过去的关键事件，并定期总结对话历史，以便随时继续之前的交流。

地址：https://github.com/SingularityMan/vector_companion

✨ 5: fish

Fish是一个基于AI的音乐多模态项目，可以生成和识别和弦、节拍、歌词和旋律等音乐元素。

Fish是一个基于变换器（Transformer）的混合多模态模型，专注于音乐信息检索领域，能够生成歌曲的和弦、节拍、歌词、旋律和谱表。它结合了不同的变换器模型，以解决与音乐相关的各种问题，并且这些模型之间相互影响，形成信息依赖关系。

该项目是一个AI驱动的多模态音乐项目，旨在为任何歌曲生成对应的信息，包括和弦、节奏、歌词、旋律等。用户可以通过网站直接体验这些功能。

地址：https://github.com/JoinMusic/fish

更多AI工具，参考国内AiBard123，Github-AiBard123 公众号：每日AI新工具