Gần đây, các dự án mã nguồn mở liên quan đến AI đang bùng nổ trên GitHub. Mỗi ngày đều có những dự án AI mới xuất hiện, khiến nhiều người phân vân không biết nên thử nghiệm dự án nào.
Trong bài viết này, tôi sẽ giới thiệu 10 dự án AI mã nguồn mở tiêu biểu mà tôi đã trực tiếp sử dụng và cảm thấy "thực sự tuyệt vời!". Các dự án bao gồm nhiều lĩnh vực từ mô hình ngôn ngữ lớn, tạo hình ảnh đến nhận dạng giọng nói. Tôi đã chọn những dự án mà người mới bắt đầu cũng có thể dễ dàng thử nghiệm, hãy tham khảo nhé!
1. LLaMA: Mô hình lớn "đại chúng" cho mọi người
Dự án đầu tiên tôi chạy trên máy tính cá nhân chính là LLaMA. Đây là mô hình ngôn ngữ lớn được phát triển bởi Meta (trước đây là Facebook) và có thể sử dụng cho mục đích thương mại.
- Điểm nổi bật:
- Được tối ưu hóa nhẹ, có thể chạy trên máy tính chơi game thông thường
- Được cung cấp với giấy phép cho phép sử dụng thương mại
- Phiên bản cộng đồng (LLaMA 2/3) phong phú và được cải tiến liên tục
- Có nhiều kích thước mô hình khác nhau (7B~70B) để lựa chọn và tối ưu hóa theo mục đích sử dụng
- Dễ dàng fine-tuning để chuyên biệt hóa cho các mục đích cụ thể
- Ứng dụng:
- Tạo chatbot tùy chỉnh riêng
- Hỗ trợ lập trình và tạo tài liệu kỹ thuật
- Xây dựng hệ thống hỏi đáp
- Phân tích dữ liệu và tóm tắt
- Tạo nội dung đa ngôn ngữ
- GitHub: https://github.com/facebookresearch/llama
2. Stable Diffusion: Công cụ mạnh mẽ nhất cho nghệ sĩ AI
Đây là công cụ không thể thiếu. AI tạo hình ảnh từ văn bản này có thể sử dụng cho mục đích thương mại, thật tuyệt vời. 
- Điểm nổi bật:
- Hoạt động hoàn toàn offline, đảm bảo quyền riêng tư và bảo mật
- Hệ sinh thái plugin cực kỳ phong phú, dễ dàng mở rộng tính năng (ControlNet, LoRA, v.v.)
- Có thể tùy chỉnh theo sở thích và học các phong cách độc đáo
- Mã nguồn mở, miễn phí và có giấy phép cho phép sử dụng thương mại
- Cộng đồng năng động, luôn có mô hình và công nghệ mới xuất hiện
- Ứng dụng:
- Tạo hình ảnh minh họa và nghệ thuật chất lượng chuyên nghiệp
- Tạo tài nguyên cho phát triển game
- Phác thảo ý tưởng thiết kế UI/UX
- Trực quan hóa tài liệu marketing và thuyết trình
- Trực quan hóa nhanh chóng các khái niệm sản phẩm
- GitHub: https://github.com/CompVis/stable-diffusion
Tuần trước, khi cần hình ảnh minh họa cho bài thuyết trình của khách hàng, tôi đã tạo ra 10 hình ảnh chất lượng cao chỉ trong 30 phút với Stable Diffusion. Trước đây, việc này phải thuê ngoài và mất vài ngày!
3. Whisper: "Phù thủy âm thanh" của OpenAI
Công cụ này thực sự tiện lợi. Tự động tạo phụ đề từ video YouTube hoặc chuyển đổi bản ghi cuộc họp thành văn bản. Độ chính xác cao đến mức đáng kinh ngạc.
- Điểm nổi bật:
- Hỗ trợ đa ngôn ngữ (hơn 100 ngôn ngữ, bao gồm cả tiếng Việt) cho nội dung quốc tế
- Mạnh mẽ với tiếng ồn môi trường và giọng địa phương, phù hợp cho sử dụng trong môi trường thực tế
- Tích hợp chức năng dịch, có thể chuyển đổi trực tiếp từ âm thanh sang ngôn ngữ khác
- Nhiều kích thước mô hình (tiny~large) để lựa chọn và tối ưu hóa theo thiết bị
- Có thể chạy cục bộ, xử lý an toàn dữ liệu âm thanh nhạy cảm
- Ứng dụng:
- Tạo phụ đề tự động cho nội dung video
- Tự động tạo biên bản cuộc họp hoặc bài giảng
- Chuyển đổi nội dung âm thanh như podcast thành văn bản
- Dịch và thêm phụ đề cho nội dung đa ngôn ngữ
- Tạo kho lưu trữ dữ liệu âm thanh có thể tìm kiếm
- GitHub: https://github.com/openai/whisper
4. LangChain: "Keo dán vạn năng" cho phát triển ứng dụng LLM
Khi biết đến công cụ này, tôi đã tin chắc rằng "Với cái này, việc phát triển ứng dụng AI sẽ nhanh gấp 10 lần". Đây là framework kết nối mô hình ngôn ngữ lớn với các công cụ bên ngoài một cách dễ dàng.
- Điểm nổi bật:
- Thiết kế mô-đun với tính linh hoạt cao, dễ dàng xây dựng ứng dụng tùy chỉnh
- Dễ dàng kết nối với cơ sở kiến thức bên ngoài, triển khai RAG (Retrieval Augmented Generation) mượt mà
- Hỗ trợ nhiều nhà cung cấp LLM như OpenAI, Anthropic, Hugging Face
- Có tính năng quản lý bộ nhớ, duy trì ngữ cảnh hội thoại dài hạn
- Xây dựng được quy trình AI phức tạp thông qua chuỗi công cụ
- Ứng dụng:
- Phát triển ứng dụng RAG tìm kiếm tài liệu nội bộ
- Xây dựng AI agent chuyên biệt cho các tác vụ cụ thể
- Phát triển chatbot hoặc trợ lý tùy chỉnh
- Hệ thống lai kết hợp nhiều mô hình AI
- Ứng dụng thông minh kết nối với cơ sở dữ liệu hoặc API
- GitHub: https://github.com/langchain-ai/langchain
"AI tìm kiếm tài liệu nội bộ" mà tôi phát triển cá nhân cũng hoàn thành chỉ trong 2 ngày nhờ LangChain. Trước đây có lẽ phải mất 2 tuần.
5. YOLOv8: "Hiện thân của tốc độ" trong phát hiện đối tượng
Trong thế giới nhận dạng hình ảnh, YOLO là vô địch. Đặc biệt v8 có sự cân bằng tuyệt vời giữa tốc độ và độ chính xác! 
- Điểm nổi bật:
- Xử lý thời gian thực, hoạt động nhanh ngay cả trên thiết bị cấu hình thấp
- Không chỉ phát hiện đối tượng mà còn hỗ trợ phân loại, phân đoạn và ước tính tư thế
- Dễ dàng tích hợp với Python, cung cấp API dễ sử dụng
- Dễ dàng transfer learning, tạo mô hình chính xác cao với ít dữ liệu
- Được tối ưu hóa cho các thiết bị edge (Raspberry Pi, Jetson, v.v.)
- Ứng dụng:
- Phân tích thời gian thực cho camera an ninh hoặc hệ thống giám sát
- Kiểm tra sản phẩm và quản lý chất lượng trong dây chuyền sản xuất
- Phân tích thể thao và đo lường hiệu suất
- Hệ thống lái tự động hoặc phát hiện chướng ngại vật
- Quản lý hàng tồn kho và phân tích hành vi khách hàng trong cửa hàng bán lẻ
- GitHub: https://github.com/ultralytics/ultralytics
"Máy phát hiện mèo" (tự động thông báo đến điện thoại khi mèo của tôi vào phòng) mà tôi làm như một sở thích cũng được triển khai bằng YOLOv8. Nó hoạt động với độ chính xác trên 99%!
6. AutoGPT: "Máy làm việc tự chủ" của AI
Điều này thực sự gây sốc. Chỉ cần giao nhiệm vụ, AI sẽ tự suy nghĩ và tiến hành công việc.
- Điểm nổi bật:
- Có khả năng tự cải thiện, nâng cao hiệu suất dựa trên phản hồi
- Tự động phân tách nhiệm vụ phức tạp thành các bước nhỏ để thực hiện
- Có thể tìm kiếm internet và thu thập thông tin, truy cập dữ liệu mới nhất
- Khả năng hiểu mục tiêu dài hạn, lập kế hoạch và thực hiện
- Có thể phối hợp nhiều AI agent để phân chia công việc
- Ứng dụng:
- Nghiên cứu toàn diện về đối thủ cạnh tranh hoặc xu hướng thị trường
- Thu thập và phân tích thông tin từ lượng dữ liệu lớn
- Tự động hóa việc tạo nội dung như bài blog hoặc bài đăng mạng xã hội
- Quản lý dự án phức tạp và theo dõi tiến độ
- Tự động hóa hỗ trợ khách hàng và phản hồi thắc mắc
- GitHub: https://github.com/Torantulino/Auto-GPT
Tháng trước, tôi giao cho AutoGPT nhiệm vụ phân tích đối thủ cạnh tranh, và chỉ sau một đêm, nó đã thu thập và phân tích dữ liệu chi tiết của 20 công ty. Đây là công việc mà con người phải mất 3 ngày.
7. Diffusers: "Bộ công cụ đa năng" cho AI tạo sinh
Thư viện AI tạo sinh của Hugging Face, hỗ trợ không chỉ hình ảnh mà còn cả âm thanh và video. API thống nhất nên rất dễ sử dụng. 
- Điểm nổi bật:
- Hỗ trợ nhiều mô hình đa dạng như Stable Diffusion, DALL-E, Midjourney tương thích
- API đơn giản và thống nhất, dễ dàng chuyển đổi giữa các mô hình khác nhau
- Mã mẫu và tài liệu phong phú giúp đường cong học tập thoải mái
- Kiến trúc pipeline cho phép tùy chỉnh quy trình tạo sinh
- Kết quả nghiên cứu mới được triển khai nhanh chóng, luôn cập nhật công nghệ tiên tiến
- Ứng dụng:
- Phát triển mô hình tạo hình ảnh tùy chỉnh cho lĩnh vực cụ thể
- Xây dựng hệ thống tổng hợp âm thanh, nhạc từ văn bản
- Thử nghiệm tạo video ngắn hoặc mô hình 3D
- Ứng dụng kết hợp nhiều phương thức (văn bản, hình ảnh, âm thanh)
- Thêm tính năng tạo sinh vào dịch vụ AI hiện có
- GitHub: https://github.com/huggingface/diffusers
8. FastChat: "Giao diện hội thoại" cho mô hình lớn
Framework giúp triển khai LLM mã nguồn mở một cách dễ dàng. Tương thích với OpenAI API nên dễ dàng chuyển đổi từ ứng dụng hiện có.
- Điểm nổi bật:
- Hỗ trợ nhiều LLM mã nguồn mở như Llama, Vicuna, Mistral
- Đi kèm WebUI dễ sử dụng, nhanh chóng xây dựng giao diện hội thoại
- Tương thích với OpenAI API, dễ dàng chuyển đổi ứng dụng hiện có
- Bắt đầu hỗ trợ mô hình đa phương thức (văn bản, hình ảnh)
- Hỗ trợ suy luận phân tán, chạy mô hình lớn trên nhiều GPU
- Ứng dụng:
- Xây dựng hệ thống thay thế ChatGPT nội bộ với quyền riêng tư cao
- Phát triển trợ lý tùy chỉnh chuyên biệt cho lĩnh vực cụ thể
- Chuyển đổi ứng dụng dựa trên ChatGPT sang mô hình mã nguồn mở
- Môi trường thử nghiệm để đánh giá so sánh nhiều LLM
- Môi trường chạy LLM nhẹ trên thiết bị edge
- GitHub: https://github.com/lm-sys/FastChat
Khi không thể sử dụng ChatGPT do chính sách bảo mật của công ty, tôi đã xây dựng chat AI nội bộ bằng FastChat. Mọi người đều rất vui mừng!
9. MONAI: "Chuyên gia" phát triển AI y tế
Framework chuyên biệt cho phân tích hình ảnh y tế, giúp tăng hiệu quả công việc của bác sĩ X-quang đáng kể.
- Điểm nổi bật:
- Tính năng tiền xử lý được tối ưu hóa cho định dạng hình ảnh y tế đặc thù (DICOM, NIfTI, v.v.)
- Cung cấp nhiều mô hình đã được đào tạo sẵn cho các lĩnh vực y tế như X-quang, bệnh lý học
- Dễ dàng tích hợp với quy trình lâm sàng, triển khai suôn sẻ trong môi trường y tế thực tế
- Dựa trên PyTorch với khả năng mở rộng cao, áp dụng kỹ thuật học sâu mới nhất vào lĩnh vực y tế
- Trải qua quy trình xác thực nghiêm ngặt, hỗ trợ phát triển tuân thủ quy định y tế
- Ứng dụng:
- Phát hiện bất thường và phân đoạn cơ quan từ MRI, CT scan
- Hệ thống tự động phát hiện khối u và theo dõi tiến triển
- Tiền xử lý và mở rộng bộ dữ liệu hình ảnh y tế
- Tối ưu hóa kế hoạch điều trị bằng tia xạ
- Phân tích dữ liệu hình ảnh quy mô lớn cho nghiên cứu y học
- GitHub: https://github.com/Project-MONAI/MONAI
Một người bạn làm việc tại startup y tế đã nói rằng "Nhờ MONAI, thời gian phát triển đã giảm một nửa". Tôi cảm nhận được sức mạnh của công cụ chuyên biệt cho lĩnh vực chuyên môn.
10. Gradio: "Trình trưng bày tức thì" cho mô hình AI
Thực sự tiện lợi. Chỉ với vài dòng mã, bạn có thể tạo demo web cho mô hình AI. Việc tạo prototype trở nên cực kỳ nhanh chóng. 
- Điểm nổi bật:
- Tạo demo web tương tác chỉ với mã tối thiểu (vài dòng)
- Hỗ trợ nhiều loại đầu vào/đầu ra như văn bản, hình ảnh, âm thanh, video
- Tích hợp chặt chẽ với Hugging Face, dễ dàng chia sẻ và triển khai mô hình
- Có thể tùy chỉnh UI với CSS và JavaScript tùy chỉnh
- Tự động tạo endpoint API, dễ dàng tích hợp với ứng dụng khác
- Ứng dụng:
- Demo và thuyết trình mô hình AI
- Ứng dụng AI tương tác cho mục đích giáo dục
- Trình bày prototype cho khách hàng và thu thập phản hồi nhanh chóng
- Chia sẻ kết quả nghiên cứu và cung cấp môi trường thí nghiệm có thể tái tạo
- Xây dựng giao diện vận hành mô hình AI cho người không chuyên về kỹ thuật
- GitHub: https://github.com/gradio-app/gradio
Trong cuộc họp với khách hàng, khi họ nói "Tôi muốn làm một cái gì đó kiểu này", tôi đã tạo demo bằng Gradio ngay tại chỗ và cho họ xem, hợp đồng đã được ký ngay lập tức. Sức mạnh của việc trình diễn thật quan trọng!
Tổng kết: Tiềm năng của AI mã nguồn mở là vô hạn
10 dự án này thể hiện tuyến đầu của phát triển AI hiện nay. Từ mô hình ngôn ngữ lớn, tạo hình ảnh, nhận dạng giọng nói đến ứng dụng y tế, tiềm năng của AI đang thực sự mở rộng.
Bản thân tôi, khi sử dụng những công cụ này, hiệu quả phát triển đã tăng hơn 3 lần. Đặc biệt, sự kết hợp giữa LangChain và Stable Diffusion là một cuộc cách mạng cho công việc sáng tạo.
Trong tương lai, những công cụ này sẽ tiếp tục phát triển, trở nên dễ sử dụng hơn và mạnh mẽ hơn. Đặc biệt, tôi mong đợi sự tăng cường hỗ trợ tiếng Việt.
Hãy thử nghiệm những dự án này, bạn sẽ cảm nhận được tiềm năng của AI!
Thêm: Đẩy nhanh phát triển với Apidog
Cuối cùng, tôi có một tin vui cho các nhà phát triển. Hầu hết các dự án AI trên đều cung cấp API, và để quản lý và kiểm thử chúng hiệu quả, tôi khuyên bạn nên dùng Apidog.
Tôi cũng mới bắt đầu sử dụng gần đây, và thật tuyệt vời khi có thể hoàn thành toàn bộ quy trình phát triển API trong một công cụ!
- Tất cả trong một từ thiết kế API đến kiểm thử, mock và quản lý tài liệu
- Khi gọi API của LLaMA hay Whisper, giao diện trực quan giúp thao tác dễ dàng
- Chia sẻ trong nhóm cũng thuận tiện, giúp quản lý dự án dễ dàng hơn nhiều
Với Apidog, việc kết nối với các dự án AI này trở nên suôn sẻ hơn, giúp rút ngắn đáng kể chu kỳ phát triển.