本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。
功能丰富的命令行音视频下载器，支持从 YouTube 等大量网站抓取视频和音频，还能调用 SponsorBlock 自动跳过广告片段。
用 HTML 写动画，再通过 Puppeteer 和 FFmpeg 渲染成视频，专为 AI Agent 生成动态视频内容设计。
无需剪辑经验就能录制并生成精美演示视频的跨平台录屏工具，支持 Mac、Windows 和 Linux。
免费开源的直播推流与屏幕录制软件，支持游戏捕获、多平台直播和本地视频录制，适合内容创作者和教学录屏。
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。
基于 GTK4 和 WinUI3 的跨平台视频音频下载器，支持 YouTube 等网站，在 Linux 和 Windows 上都能用。
用 Stable Diffusion 做音频驱动唇形同步，让视频或虚拟人像的口型与语音对齐，适合做数字人和视频配音。
把 Claude、Cursor 等 AI 编程助手变成完整视频制作工作室，内置 12 条制作流水线和 100+ 工具，覆盖脚本、配音、图像生成到剪辑全流程。
面向全模态模型的高效推理框架，支持图像、视频、音频生成与多模态模型服务，基于 PyTorch 提供统一的推理与部署能力。
自托管的抖音、TikTok、B站数据采集与无水印视频下载 API，提供异步 REST 接口、MCP 服务、CLI 和网页控制台，支持离线语音转文字，Docker 一键部署。
跨平台机器学习框架，提供可定制的视觉、音频等实时流媒体处理方案，方便在移动端和桌面端搭建低延迟推理管线。
基于 WebRTC 的实时音视频传输栈，用 SFU 架构把人和 AI 接进同一个房间，适合做语音 AI、视频通话和直播。
MiniCPM-V 是面壁智能开源的多模态视觉语言模型，能在手机、PC 等本地设备上完成看图、听音和对话交互，无需依赖云端。
批量下载微信公众号文章，支持评论、合集，可导出为 html/mhtml/md/pdf/docx/csv，并保存文中图片、视频、音频，还能通过 MCP/Skill 调用。
用 Python 调用 FFmpeg 的绑定库，支持复杂滤镜图，让你在脚本里拼装音视频处理流程而不用手写命令行。
跨平台桌面工具，可从 YouTube 下载视频和播放列表，支持 MP4、WebM、MP3 等格式，并自动调用 ffmpeg 完成转码与音轨提取。
一款 Windows 上的开源录屏工具，能同时录制屏幕画面、音频、鼠标光标、点击和键盘按键，适合做教程演示或操作记录。
基于 OpenAI Whisper 的离线音频转写与翻译工具，在本机就能把语音转成文字并翻译，不用联网也不上传数据。
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。
面向创作者的开源 AI 工作台，集视频下载、翻译配音、转录、图像与视频生成、剪辑于一体，支持 120 多种语言，适合做 YouTube、TikTok 等社媒内容本地化。
用 MoviePy 自动生成 YouTube Shorts 短视频，结合 ChatGPT 写脚本、配素材，一条命令就能出片，省去手动剪辑的麻烦。
基于 PyTorch 的扩散模型工具箱，统一加载和训练 Stable Diffusion、FLUX 等模型，做图像、视频、音频生成。
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。
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。
用 Bash 脚本给 Mac 和 Linux 上的 Spotify 桌面客户端去广告，装完就能屏蔽音频和横幅广告，不用改客户端本体。
开源 AI 短剧与漫剧创作平台，把剧本、分镜、角色场景资产、图像和视频生成串在无限画布上，用 AI Agent 和可视化工作流完成从创意到成片，支持本地部署和自选模型。
开源 AI 视频本地化配音工具，把 YouTube/Bilibili 视频自动做语音识别、字幕翻译、声音克隆和混音渲染，一站式生成多语言配音成片。
面向图像、视频、音频和 3D 数据的开源标注平台，支持 AI 辅助标注、质量校验、团队协作和开发者 API，适合构建计算机视觉数据集。
基于节点图的扩散模型图形界面与后端，支持本地快速推理和 API 调用，方便搭建和调试图像生成工作流。
基于 yt-dlp 的 Android 音视频下载器，支持 YouTube 等站点，可下载 MP3 音频和视频，界面采用 Material Design。
把长视频自动剪成 9:16 竖屏短视频，用 LLM 挑高光片段、Whisper 转写、自动裁切，免费无水印，替代 Opus Clip 等付费服务。
面向个人用户的照片与文件管理工具，用标签和元数据整理文件，替代传统文件夹分类，方便检索和浏览。
跨平台桌面端语音转写工具，基于 Whisper 在本地把音视频转成文字，不用上传云端，隐私和离线场景都能用。
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。
Hugging Face 官方数据集库，汇集海量即用型 AI 数据集，并提供高效的数据加载与处理工具，省去自己找数据、写加载代码的麻烦。
可扩展的插件化 HTML5 网页媒体播放器，支持 HLS、DASH、MP4 等格式，方便在网页中嵌入并定制视频和音频播放。
iOS 上 YouTube 客户端的功能增强插件，可去广告、后台播放、下载视频并集成 SponsorBlock 跳过赞助片段。