图像与影音工具
共 75 个仓库 · Python
输入一个主题或关键词，就能自动完成文案生成、素材匹配、配音字幕和视频合成，一键产出高清短视频，省去手工剪辑的麻烦。
一套可复用的计算机视觉工具库，提供目标检测、实例分割、分类等任务的标注处理、指标计算与可视化组件，帮开发者省去重复造轮子的时间。
翻译 PDF 科学论文时完整保留公式、图表和排版，输出双语对照版本，支持 Google、DeepL、Ollama、OpenAI 等多种翻译后端，并提供 CLI、GUI、Docker 和 Zotero 插件。
给扫描版 PDF 加上 OCR 文字层，让原本只能看的图片型 PDF 变成可搜索、可复制文本的文件。
开箱即用的 OCR 工具，支持 80 多种语言和拉丁、中文、阿拉伯、天城文、西里尔等主流文字，几行 Python 代码就能把图片里的文字提取出来。
用 Python 一行命令就能抠掉图片背景，基于预训练模型自动识别主体，省去手动抠图的麻烦。
用 Python 脚本剪辑视频，支持裁剪拼接、加字幕特效、导出 GIF 和调整帧率，适合批量处理和自动化视频流水线。
给图片嵌入肉眼不可见的盲水印，提取时不需要原图，适合版权追踪和泄露溯源。
Python 生态最常用的图像处理库，支持打开、转换、裁剪、滤镜等常见操作，是 PIL 的活跃维护分支。
基于 PyTorch 的几何计算机视觉库，提供可微分的图像处理与几何变换算子，方便在空间 AI 和机器人任务中搭建视觉模型。
基于 PyTorch 的语义分割模型库，提供 500+ 预训练卷积与 Transformer 骨干网络，开箱即用，省去自己搭建和训练分割模型的麻烦。
能深入解析 PDF 中每个字符、矩形和线条的位置信息，方便提取文本和表格，适合处理结构复杂的 PDF 数据。
一键识别并翻译漫画、图片中的文字，自动完成 OCR、机器翻译和文字区域修复，适合给日漫或外文图片做批量汉化。
开源的图片缩略图服务，支持裁剪、缩放、加水印和格式转换，可处理 JPEG、PNG、WebP、AVIF、GIF 等格式，适合为网站搭建独立的图片处理后端。
纯 Python 实现的 PDF 处理库，能拆分、合并、裁剪和变换 PDF 页面，无需外部依赖即可在脚本里完成常见 PDF 操作。
用 HTML 和 CSS 直接生成 PDF 的 Python 库，支持分页、页眉页脚和复杂排版，适合做报表、发票和电子书导出。
一条命令就能从 Google 图片批量抓取几百张图片，支持按颜色、尺寸等条件筛选，适合快速搭建图像数据集。
把 PDF、Word、PPT 解析成适合喂给大模型的格式，尽量不丢内容，省去自己清洗文档的麻烦。
纯 Python 实现的 PDF 解析库，能从 PDF 中提取文本、布局和元数据，适合做文档解析、内容抽取和 RAG 数据预处理。
Python 图像处理算法库，提供滤波、分割、形态学、特征检测等常用算法，适合科研与工程中快速实现图像分析流程。
从图片和视频中清除可见与不可见的 AI 水印，并移除 C2PA、EXIF 等来源元数据，提供 Python 库、CLI 和 agent skill。
把 EPUB、PDF 或纯文本一键转成有声书，并生成与语音同步的字幕，适合批量制作有声内容。
轻量级 Python-GTK 桌面工具，用拖拽式图形界面合并、拆分 PDF，并旋转、裁剪、重排页面，免去命令行操作。
把漫画和日漫批量转换成 Kindle、Kobo、reMarkable 等电纸书能直接阅读的格式，自动裁边、分页并适配屏幕尺寸。