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

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

输入一个主题，AI 自动完成文案、配图、配音、视频合成，零门槛创作短视频

Qwen3-ASR 效率碾压、VibeVoice 长音频分人无敌、Whisper 生态覆盖最广——三大 ASR 各守一象限，谁该装谁

当进入录音整理阶段时，它的波形是竖向的，左侧是准确的时间，右侧是模糊转译的文字提示，虽然文字错误很多，但大概能知道此处在讲什么，提高了回听内容的效率。当然这个 app 也有准确听译的选项，我判断是人工听写+收费功能，从来没试过。

玻森中文语义开放平台提供使用简单、功能强大、性能可靠的中文自然语言分析云服务

一些常用的网络转码生成字符等工具

番茄密友 国内首款正版免费聊天记录隐藏工具 守护属于你的一切

中文口播稿出海东南亚怎么配音？覆盖云端统一方案(Qwen-Audio-3.0-TTS/ElevenLabs/MiniMax/豆包)、开源单模型(Scicom/Confucius4)和各语种专用模型(JaiTTS/VieNeu-TTS/Malaysian-TTS)，含选型矩阵

Whisper转写+LLM语义分析，用自然语言从长视频里找片段、选段、导出成片，检索到剪辑全流程一个Web界面闭环

儿时的回忆变成游戏了！还可以！

微软开源的 Python 工具，一键将 PDF/Word/Excel/PPT 等文件转换为 Markdown，支持 OCR 和 MCP

Claude Code 中文速查表，包含快捷键、斜杠命令、MCP、记忆系统、Skills 等完整参考

由 Next.js 团队打造的免费开源 TypeScript AI SDK，提供统一的 LLM 提供商接口、流式传输、工具调用、结构化输出、Agent 工作流等能力，支持 React/Vue/Svelte/Node.js

基于 Google Gemini + FFmpeg，通过 Director/Editor/Reviewer 多 Agent 流水线，将原始素材和创意简报自动剪辑成精品广告，支持 YAML 管道配置与风格模板

输入主题或关键词，全自动生成高清短视频（带Web UI）

开源AI短视频生成与自动发布工具，支持LLM文案生成、多平台TTS配音、ffmpeg混剪、Selenium自动发布

只需一个主题关键词，AI全自动生成视频文案、素材、字幕、背景音乐，合成高清短视频

基于文本编辑视频，AI 自动转录、降噪、去口头禅、生成字幕和 B-roll，适合播客主、UP 主和内容团队