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

MiniMax 官方 CLI，支持文本/图像/视频/语音/音乐生成，AI 代理原生集成

一站式视频字幕处理：语音识别、字幕优化、翻译、配音、烧录，免费功能安装即用

音频驱动数字人视频生成，照片+语音生成对口型视频，支持唱歌/双人对话/动漫动物，8步推理，MIT协议可商用

它可以实现：关机弹出时能保证最前端显示，最好有语音提示，最好能倒计时，最好能取消，最好还能加个10分钟延迟关机的……坐电脑前有时会忘记事情，最好还能顺便加个定时提醒的……

这种东西要穷其一生去研究。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域TensorFlow将完全开源，任何人都可以用。

开源高性能聊天机器人框架，支持多模态对话、语音交互和可扩展插件，一键部署私有 ChatGPT。

集成翻译、配音、语音克隆，支持横竖屏，输出适配抖音、小红书、B站、YouTube、TikTok

AI驱动的视频字幕提取+文案三维度分析，支持B站/YouTube/抖音，FunASR中文语音转录+RapidOCR烧录字幕识别

ESP32翻红的幕后推手：一块几十块的板子接麦克风喇叭连大模型就是语音AI入口，MIT开源，还能通过MCP真关灯真控设备

微软删除官方推理代码后，社区补上的完整 MLX 实现。支持 1.5B/7B 语音合成、零样本语音克隆、量化加速。

微软删除官方 TTS 推理代码后，社区 fork 保留的 PyTorch 完整实现。支持单卡/多卡推理、语音克隆、Gradio Demo。

用 Scrcpy 图形化控制 Android 设备，支持无线投屏、多设备管理、集成控制栏、AI 语音操控

利用 AI 大模型一键自动解说并剪辑视频，支持多语言、字幕、语音合成

最完善的 Telegram 桥接 Claude Code 方案，支持 session 管理、实时流式、语音输入、文件上传

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

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

上传音视频，AI 自动整理成结构化 Markdown 笔记

5秒样本零样本TTS，1分钟数据微调即可克隆声音。支持中英日韩粤跨语言推理，集成WebUI工具链，58k Stars

150倍实时速度，48kHz高清音质，3秒参考音频克隆声音，Apache 2.0免费商用