把书、长视频、播客等高价值内容蒸馏成可执行的 Agent Skills，方便直接接入自动化工作流。

AI 加持的 RSS 阅读器，用智能方式聚合和筛选订阅内容，帮你从海量信息流里快速抓到真正想看的文章。

跨平台开源音频编辑器，支持多轨录音、剪辑、降噪与效果处理，适合播客制作和音频后期。

OpenAI 开源的通用语音识别模型，基于大规模弱监督训练，支持多语言转写、翻译和语种识别，开箱即用。

一条命令行就能让 AI 智能体读取和搜索 Twitter、Reddit、YouTube、GitHub、B站、小红书等平台内容，不用付任何 API 费用。

开源的高质量语音合成模型，基于 VQGAN 和 Llama 架构，支持多语言文本转语音，效果达到 SOTA 水平。

开源自托管的 Notebook LM 替代品，能上传资料让 AI 帮你整理笔记、生成摘要和问答，比原版更灵活、功能更多。

只需 1 分钟语音数据就能训练出高质量 TTS 模型，支持少样本音色克隆，适合快速定制个性化语音合成。

给 Spotify 桌面客户端打补丁，屏蔽广告并阻止自动更新，Windows 用户装完就能清爽听歌。

用 Python 直接调用微软 Edge 的在线语音合成服务，无需安装 Edge 浏览器或密钥，即可把文本转成自然语音。

基于微软语音合成接口的桌面工具，用 Electron + Vue 构建，输入文本即可生成语音并导出音频文件。

自动检测视频中的静音片段并剪掉，省去手动逐帧剪辑的麻烦，适合快速粗剪和压缩素材时长。

从 1000+ 网站下载视频音频，本地转写并区分说话人，再用你选的 AI 服务做总结、翻译或对话。

多语种语音理解模型，一次推理就能完成中英日韩粤语音识别、语种判别、情绪识别和音频事件检测，适合做语音交互与音频分析。

一款用 Kotlin 和 Jetpack Compose 写的 Android 音乐播放器，界面走可爱风，既能播放本地音乐文件，也能直接听 YouTube Music。

面向创作者和开发者的 Gradio 语音工作台，集成多引擎 TTS、零样本声音克隆、Whisper 转写、人声分离与多语言翻译，一站式完成配音和字幕制作。

预训练语音合成模型集合，支持俄语、亚美尼亚语等多种语言，几行代码就能把文本转成语音，省去自己训练模型的麻烦。

基于 Rust + Tauri 和 Vue 打造的跨平台图形界面，把 youtube-dl 的命令行操作变成点点鼠标就能下载视频，省去记参数的麻烦。

纯 Python 写的轻量级音乐下载器，覆盖网易云、QQ音乐、酷狗、B站、YouTube、Spotify 等数十个音乐和有声书平台，一条命令就能批量抓取歌曲。

基于 FunASR 的本地视频转写与字幕生成工具，带 Gradio 界面，还能用大模型辅助自动剪辑，适合做中文视频内容创作。

一份精选的 MLOps 工具清单，把模型部署、实验跟踪、监控等环节的常用开源方案整理在一起，方便你按需挑选和对比。