6个开源AI工具,我挨个试了一遍

上周我整理电脑,发现订阅了四个AI服务的会员,每个月加起来快200块。

然后我想了想,把它们全退了。

不是因为不想花钱,是因为我找到了更好的替代品,全是开源的,免费的,而且说实话,好几个比付费的还好用。

今天就说6个。不凑数,都是我实际用了的。

这东西是ChatGPT的开源替代品。你在自己电脑或服务器上部署,界面长得几乎跟ChatGPT一模一样,但数据全在你自己手里。

它能接Ollama(本地大模型),也能接OpenAI、Claude这些API。我现在的用法是:本地跑一个Qwen模型处理日常问题,不联网,聊天记录一条都不往外发。

GitHub 142k stars,开源社区最活跃的AI聊天界面

支持多用户、知识库、文件上传、联网搜索。一个Docker命令就跑起来了。如果你跟我一样对隐私比较在意,这个是目前最好的选择。

说实话,第一次打开ComfyUI我差点关掉。满屏的节点连线,看着跟电路图似的。

但硬着头皮用了半小时,我发现这东西是真上瘾。你像搭积木一样,把模型、提示词、采样器这些模块连起来,拖拖拽拽就能搞定一张图。而且工作流可以保存复用,调好一次,以后批量出图。

GitHub 118k stars,支持Stable Diffusion/Flux/Wan视频

更狠的是,它不光能生图,换视频生成的节点(Wan2.1模型)就能直接做视频。社区做了几千个插件节点,基本上你能想到的图像处理流程它都能搭出来。一个ComfyUI,约等于一个创意工作室。

这个跟我们公众号名字直接对口。

GPT-SoVITS是个语音克隆工具,只要录1分钟的语音样本,AI就能学会你的声音特征,然后用你的声音说任何你想说的话。语调、气息、节奏,都挺像的。

GitHub 59k stars,中文语音克隆效果突出

我自己录了一段试了试,发给朋友听,他以为是本人说的。中文效果尤其好,毕竟是国内团队做的,中文语料训练得充分。

做短视频配音、多语言内容、无障碍辅助,应用场景很多。不过技术是双刃剑,合法使用就好。

这个比较新,stars不算多但在GitHub上热度很高,很多人叫它"音乐界的Stable Diffusion"。

你用文字描述想要的音乐,"lo-fi风格,有雨声,慵懒的氛围",它直接生成一首完整的曲子,带编曲,还能加人声。支持50多种语言,最长10分钟。

我试了下,出来的质量让我愣了一下。不是那种一听就是AI的感觉,是真的有层次感。而且本地就能跑,不用联网。

做视频配乐、播客背景音乐、个人音乐创作,再也不用操心版权问题了。

这个解决的问题很具体:从PDF里提取信息。

你丢一个PDF进去,它帮你转成干干净净的Markdown,表格、公式、图片位置都保留得整整齐齐。以前从PDF里复制粘贴,格式全乱,现在直接用MinerU转一遍就行。

我经常需要看论文和行业报告,这个是刚需。配合ChatGPT用更舒服:MinerU转好文档,丢给AI提问,效率直接起飞。

最后这个有点意思。Dify是个AI应用搭建平台,拖拖拽拽就能做一个自己的AI助手、知识库问答、或者自动化工作流。不需要写代码。

我用它搭了一个私人知识库,把平时收集的笔记、文章全丢进去,然后可以用自然语言问它问题。比如"上周看的那篇关于定价策略的文章说了什么",它就从我的笔记里找答案。

支持100多个大模型提供商,可以自部署,数据不外泄。企业用和个人用都行。132k stars不是白来的。

- END -