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。

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。

开箱即用的实时音视频流媒体服务器和代理，支持 RTSP、RTMP、WebRTC、SRT、LL-HLS 等协议，可读取、推流、代理、录制和回放直播流。

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。

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。

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。

本地离线从视频画面中提取硬字幕并生成 srt 文件，基于深度学习做字幕区域检测和文字识别，不用调第三方 API。

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。

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。

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。

实时屏幕翻译工具，能识别游戏画面、视频硬字幕和静态文本中的文字并即时翻译，适合玩外语游戏或看无字幕视频时使用。

一站式桌面工具，用本地 Whisper、FunASR 等模型离线把视频转成字幕，还能翻译、AI 配音、声音克隆和烧录字幕，支持批量处理与全平台 GPU 加速。

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。

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。

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。

把任意脚本自动生成多风格火柴人动画视频，自动配画面、配音、字幕和音效，适合做无露脸 YouTube 频道。

给编码 Agent 用的本地视频编辑工具，封装 42 个 FFmpeg 能力并通过 MCP 服务暴露，让 Claude Code、Cursor 等直接完成剪辑、字幕、改画幅和响度归一化。

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。

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。

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。

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。

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。

把 Kokoro-82M 语音合成模型封装成 OpenAI 兼容 API，用 Docker 一键部署，支持多说话人、SSML 和字幕时间戳，CPU、AMD、NVIDIA 都能跑。

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。

macOS 上基于 mpv 的现代视频播放器，用 Swift 编写，界面原生美观，支持几乎所有视频格式，适合替代 QuickTime 日常看片。

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。

一个开源的社交媒体下载器，支持从 Instagram、TikTok、Twitter、Reddit、SoundCloud 等平台保存视频和音乐，界面清爽、无需广告。

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。

开源媒体播放器框架，支持 HTML 和 React，统一处理 HLS、DASH 等流媒体格式，帮你在网页里快速搭出稳定可定制的视频播放器。

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。

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 CTranslate2 重实现的 Whisper 语音转文字推理引擎，通过量化与高效推理大幅提速并降低显存占用，适合本地部署转录。

开源的 Loom 替代品，用 Rust 打造，能快速录制并生成美观、可直接分享的屏幕录像，适合团队异步沟通和演示。

开源的大规模视频生成模型，支持高质量文生视频，为 AIGC 视频创作提供可用的生成能力。

把某人的思维方式蒸馏成可复用的 Skill，供任意 Agent 或 Bot 直接加载使用，解决智能体难以复刻特定人物或同事行为模式的问题。

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。

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。

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。

开源语音识别工具包，覆盖训练、推理、流式 ASR、VAD、标点恢复和说话人分离全流程，并提供 OpenAI 兼容与 MCP 服务接口。

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。