一套完整的音视频处理工具集，能解码、编码、转码、推流和封装几乎所有格式，是搭建播放器、转码服务和流媒体管线的底层基础设施。

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。

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。

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。

轻量级命令行视频播放器，基于 FFmpeg 解码，支持硬件加速、字幕渲染和脚本扩展，适合在终端或嵌入其他应用中播放音视频。

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。

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。

用 Jupyter Notebook 带你动手理解视频技术：从图像、帧类型到 AV1/VP9/H265 编解码与 FFmpeg 编码实践，适合入门视频压缩与流媒体。

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。

用 AI 智能体复刻爆款视频的完整工作流：换脸、改文案、替换 B-roll，一条命令批量产出上百个变体。

把 RTSP、ONVIF、RTMP、HLS、MJPEG 等摄像头流统一转成 WebRTC、HLS、MJPEG 等格式，方便在浏览器和 Home Assistant、HomeKit 里直接看监控画面。

免费且注重隐私的浏览器屏幕录制扩展，不限录制时长，支持摄像头、麦克风和标注编辑，适合做演示和教程。

抖音和 TikTok 作品下载与数据采集工具，支持批量抓取视频、评论等数据并导出 CSV，可通过 Docker 部署。

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。

跨平台桌面下载器，支持从数百个网站抓取音视频，并内置压缩功能，适合需要批量保存媒体文件的场景。

开源跨平台视频转码工具，能把 DVD/蓝光和各种格式的视频批量转成 H.264/H.265 等现代编码，自带预设和滤镜，适合整理片源和压缩体积。

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。

用 Go 写的视频下载库和命令行工具，支持 B 站、优酷、爱奇艺等站点，一条命令就能把网页视频存到本地。

一个可随使用不断成长的 AI Agent 框架，支持接入 Claude、ChatGPT 等多种大模型，用于搭建和编排自主智能体。

基于 ComfyUI 的全自动短视频生成引擎，串联文生图、语音合成与视频生成，一条流水线把创意直接做成短视频。

基于 C++11 的流媒体服务器与客户端框架，一套代码同时支持 RTSP、RTMP、WebRTC、HLS、HTTP-FLV、GB28181、SRT 等协议，适合搭建直播和安防视频接入服务。

一款用 C# 开发的开源字幕编辑器，支持字幕的创建、编辑、时间轴调整和格式转换，还能借助语音识别自动生成字幕。

在终端里搜索、浏览并直接播放动漫的命令行工具，基于 fzf 交互选择，支持 Linux、macOS、Termux 和 Steam Deck，还能用 syncplay 和朋友同步观看。

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。

把视频从一种语言翻译成另一种语言，自动生成配音和字幕并嵌入视频，适合做视频本地化和跨语言内容分发。

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。

面向视觉 AI 的数据集管理与模型分析工具，能可视化浏览数据、清洗标注、发现质量问题，并支持主动学习来迭代提升模型。

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。

自建媒体服务器后端，把本地电影、剧集和音乐整理成可流式播放的媒体库，并提供 API 供各类客户端接入。

用 5 秒语音样本克隆音色，实时合成任意文本的语音，基于 PyTorch/TensorFlow 的说话人编码与声码器流水线。

自托管的分布式微博客社区，基于 ActivityPub 协议与其他实例互联互通，让你拥有自己的社交服务器和数据。

OpenAI Whisper 语音识别模型的 C/C++ 移植版，无需 Python 和 GPU 依赖，在普通 CPU 上就能跑语音转文字。

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。

基于深度神经网络的图形化人声分离工具，可把歌曲拆成人声和伴奏，方便做卡拉OK伴奏或二次混音。

自建音乐流媒体服务器，兼容 Subsonic/OpenSubsonic 协议，把本地音乐库变成可远程访问的在线播放服务，适合在树莓派或 NAS 上部署。

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。

基于 Whisper 的语音识别工具，能给出词级时间戳并支持说话人分离，适合做字幕对齐和会议转写。

用 Rust 写的跨平台开源文件管理器，底层是虚拟分布式文件系统，能把多台设备上的文件统一管理，像访问本地一样浏览和整理。

命令行图片批量下载器，支持 Pixiv、Twitter、DeviantArt、Danbooru 等几十个图站，一条命令就能把画师主页或标签下的图集整批抓下来。

简单高性能的实时流媒体服务器，支持 RTMP、WebRTC、HLS、SRT 等主流协议和多种音视频编码，适合搭建低延迟直播与分发服务。