5 Amazing AI Projects, Open Source ！

过去一周，AI大模型的快速演进仍然在继续上演。今天继续介绍GitHub上的一些实用的大模型开源项目。

1. ChatGLM-6B：Open Source ChatGPT Alternative
ChatGLM-6B是一个基于GLM架构的开源对话语言模型，支持中英双语，有62亿参数。结合模型量化技术，可以在消费级显卡上本地部署，效果堪比ChatGPT。2023年3月开源，3周时间已经积累超过100万次下载，目前全球接近300万次下载量。

2. CodeGeeX：Open Source Github Copilot Alternative
CodeGeeX是一个基于AI大模型的代码生成神器，拥有130亿参数，支持23种编程语言。CodeGeeX可以根据自然语言或代码片段生成完整的代码，“Ask CodeGeeX”功能可以在IDE中通过对话的方式直接操作代码，开发者普遍认为是Github Copilot的平替产品。CodeGeeX是开源免费的，支持VS Code和IDEAs平台，目前全球安装使用的用户量超过100,000+。

3. Meta open source AI generative music model
这是Meta在GitHub上开源的名为Audiocraft的Python库，可以直接用人工智能生成音乐。其中主要使用了一个名为MusicGen的音乐生成模型。MusicGen是一个基于单阶自回归Transformer的预训练模型，使用32kHz EnCodec tokenizer，并以50Hz采样的方式生成了4个codebooks。

与现有的方法（如MusicLM）不同，MusicGen不需要自监督语义学习，而是一次性生成了所有4个codebooks。在文本生成和文生图之后，看看用文本生成音乐的效果如何。

4. Diffusers发布重要更新

Diffusers v0.17.0正式发布，改进了LoRA、Kandinsky 2.1、Torch编译加速等功能。Diffusers是一个在GitHub上的Diffusion Model预训练模型常用库，广受欢迎，可用于生成图像、音频，甚至是分子的3D结构。

无论是寻找简单的推理解决方案还是训练自己的Diffusion Models，Diffusers作为一个模块化工具包提供支持。
库的设计更注重易用性和可定制性，主要提供以下三个核心组件：

• 先进的Diffusion pipeline，只需几行代码即可进行推理；
• 可互换的noise schedulers，用于不同的Diffusion速度和输出质量；
• 预训练模型可用作构建模块，并与schedulers结合使用，创建自己的端到端Diffusion Systems。

这个项目是由Hugging Face免费开源的，可以使用它来快速训练ControlNet，进一步提高AI绘画的效果和质量。

5. Everything is identifiable

Meta之前在GitHub上开源了一个名为Segment Anything Model的图像分割模型，可以自动实现图像分割。然而，该模型在图像定位方面表现良好，但在图像识别方面的表现却一般。

为此，复旦大学与OPPO的研究人员以及International School of Digital Economy,共同在GitHub上开源了一个基础图像标注模型：Recognize Anything Model (RAM)。采用了一种新的图像标注范式，可以识别各种常见类别。而且用来训练的数据，是通过大规模的图像自动生成文本来进行标注，取代了手动标注。

经过基准评估，RAM的标记能力表现优秀，效果明显优于CLIP和BLIP。有用户认为RAM甚至超过了完全监督的方法，与Google API相当。同时，项目中还包含一个名为Tag2Text的工具，可以批量直接为图像中的指定对象生成标签。如果与Meta的开源SAM模型结合使用，我们可以批量删除图像中的指定对象，进一步提高图像处理效率。