从0.8B到397B全覆盖，编程/视觉/推理/端侧一张表选对模型

像跟剪辑师说话一样下指令：文字稿删字即剪片、去口水词、MG动画配乐一体，还能挂进ChatGPT/Codex当插件，剪辑技能可复用

FLUX 1/2 团队新作：图像/视频/音频联合训练的世界模型，视频+原生音频最长 20 秒，Early Access 已开放

64GB 统一内存本地跑 27B，252 次请求零报错。低并发看响应，高并发看总量，甜蜜区在 N≤4

字级配音同步、七层反PPT镜头系统、三重验收自动返工，把Claude Code/Codex变成口播视频动效工作室

生成快过播放：5秒768p约2.5秒出片带原生音效，不注册每天免费5条，API促销价今天截止

开源语音交互 AI 虚拟伴侣，13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象，桌面宠物模式可完全离线运行

实时交互流式数字人引擎，9.3K Stars。支持 Wav2Lip/MuseTalk/Ernerf 多模型，WebRTC/RTMP/虚拟摄像头输出，已广泛商用

一张照片实时驱动表情/姿态,4090 上毫秒级推理,配口型模型可组完整数字人,开源 MIT

语音识别+大模型+语音合成+虚拟形象全链路打包,开箱即用,直播带货/客服场景首选

真正开源的 AI 数字人克隆工具，15K Stars。支持外观+声音克隆、文本/语音驱动生成视频，完全离线运行，Docker 一键部署

扔一段视频进去，自动出带章节配图的 Markdown 报告，网课笔记/会议纪要/内容素材一站搞定

上传视频自动语音转写，选中文字段落就剪出对应片段，还支持按说话人剪辑和 LLM 辅助选段

IEEE TCSVT 收录的 Vid-LLM 综述配套清单:论文+代码+数据集+基准全整理,选型与研究必备

甩一段视频进去，画面内容、背景音乐、音效、对白全给你分析出来——阿里原生全模态模型，30B只激活3B，还能直接用语音回答你，Apache 2.0

复旦OpenMOSS开源11B实时视频理解模型：边看边答、主动沉默、动态纠错，NF4版单卡24G可跑

丢一本小说进去，出来直接能拍短剧的整套制作包？2700星的神仙skill库，Claude Code和codex都能跑

让 DSH 操控你真实登录的 Chrome/Edge：三层架构、三步安装、bsk doctor 验证、browser_* 用法与安全边界(实测)

Google Research 时序预测模型：丢历史曲线直接出未来预测+置信区间，1.3GB 零样本免训练，注意非商用许可

Windows 记事本的完美替身：单文件免安装、秒开大日志、语法高亮编码转换全内置，可一键替换系统记事本，免费开源无广告。