图像与影音工具
346 个仓库基于 Kokoro 模型的命令行语音合成工具，支持多语言、音色混合，可直接把 EPUB 电子书和 PDF 文档转成有声书或播客音频。
把 FilePond 文件上传组件封装成 React 组件，支持拖拽上传、图片预览和异步处理，省去自己对接上传逻辑的麻烦。
基于 OpenGL 的 Android 图像与相机滤镜库，通过 GPU 着色器实时处理画面，支持 JNI 调用和计算着色器，适合给相机或图片应用加滤镜。
Python 抠图库，用闭式解、KNN 和学习式方法从图像中估计前景透明度，输出带 alpha 通道的精细抠图结果。
ComfyUI 的节点扩展套件，把图像处理、滤镜、遮罩、文本逻辑、数值、潜空间、文件、3D 场景和动画等操作封装成节点，方便在 ComfyUI 工作流里直接调用。
影视工业级 HDR 图像存储格式 EXR 的规范与参考实现，提供高动态范围、多通道图像读写能力，适合 VFX 和后期制作流程。
MLT 是一个多媒体框架，为视频编辑和播放器提供音视频处理、特效与格式转换能力，常被用作非线性编辑软件（如 Kdenlive）的底层引擎。
汇总低光照图像增强方向的论文、数据集与代码资源，涵盖 Retinex、直方图均衡和深度学习方法，方便快速查找与对比方案。
基于 Puppeteer 的无头 Chrome/Chromium 驱动，提供生产级 API，可截图、生成 PDF、提取文本和 HTML，省去自己维护浏览器实例的麻烦。
本地优先的视频知识库，用 YOLO、DeepFace、Whisper 做多模态分析建立索引，支持自然语言语义检索视频内容，Docker 一键部署。
把点击操作自动录成带标注截图的分步教程，浏览器扩展和桌面端都能用，数据本地处理，适合写操作文档和新人指引。
基于服务器的照片管理应用，专为超大规模图片库设计，利用 IPTC 关键词、文件夹和文件名快速检索，并支持物体与人脸检测。
Create chatbots with ease
ESP32-CAM 运动检测录像固件，检测到画面变化就把 JPEG 存成 AVI 视频，同时支持 MJPEG 浏览器实时预览和麦克风录音。
汇总 CVPR 2020 至 2026 年低层视觉方向的论文与代码，涵盖去模糊、去雾、图像压缩、帧插值等任务，方便按年份快速查找复现资源。
用字幕文件自动翻译视频文本，再通过 AI 语音合成生成配音音轨，并按字幕时间轴对齐口型，省去手动配音和打轴的麻烦。
Toolbox of models, callbacks, and datasets for AI/ML researchers.
用 flexbox 模型和 XML 文件给 iOS 界面做布局，把网页那套快速布局能力搬到原生开发里，写界面像写网页一样简单。
在 Streamlit 应用里直接接入 WebRTC，实现摄像头视频和麦克风的实时采集与处理，不用自己搭信令服务器。
用深度卷积网络自动提升照片画质，提供预训练模型和训练代码，可把手机照片修出单反质感。
一款免费开源的 macOS 原生屏幕录制工具，支持 HEVC、ProRes 编码和音频录制，界面贴合系统风格，适合日常录屏和教学演示。
基于 OpenAI Whisper 及其变体的字幕生成工具，提供网页界面、命令行和 Python 包三种用法，可自动为音视频生成字幕。
Go 语言的高性能图像处理与缩放库，基于 libvips，支持 JPEG、PNG、WebP、HEIC、GIF、SVG、PDF 等格式，适合需要快速批量处理图片的服务端场景。
自托管的图床与图片分享平台，支持私有链接、相册集合、S3/SMB 存储、OIDC 单点登录和 ShareX 上传，适合在家庭服务器上搭建自己的图床。