输入一段文本就能生成带笑声、叹息等非语言声音和背景音乐的语音，效果自然，适合做创意配音和音频内容原型。

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。

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。

把想法、方案或代码库自动转成可交互的架构图，作为 Claude Code、Codex 等编码智能体的技能插件使用。

开源的对话语音生成模型，能把文字转成自然流畅的日常对话语音，适合给聊天机器人和语音助手配音。

专为 AI Agent 打造的 Office 命令行工具，无需安装 Office 即可读写和自动化处理 Word、Excel、PowerPoint 文件，单二进制开箱即用。

用 Go 读写 Excel 电子表格的库，支持 XLSX、XLSM 等格式，能处理公式、图表和样式，适合在服务端批量生成或解析报表。

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。

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。

把电子书（EPUB 等）一键转成有声书，内置 50 多种 TTS 引擎，支持声音克隆和 1696 种语言，适合批量制作多语言音频书。

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。

收录 850 多套终端配色方案，覆盖 iTerm2 并移植到 Konsole、PuTTY、Kitty、Windows Terminal 等几十种终端，方便统一换肤。

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。

腾讯混元开源的大规模扩散模型，能从文本或图片直接生成高分辨率3D模型，带精细几何形状和纹理，省去手工建模流程。

基于流匹配的语音合成模型官方实现，只需一段参考音频就能克隆音色并生成流畅自然的语音，适合做零样本 TTS 和语音克隆。

开源计算机使用智能体基础设施，提供跨系统沙箱、驱动和基准测试，用于训练、评估和生成桌面操作数据。

开源音乐生成基础模型，用符号规划、零样本翻唱和智能体编辑从歌词生成完整歌曲，适合研究音乐生成与风格迁移。

用 Go 实现的内容感知图像缩放库，基于接缝裁剪（seam carving）在缩放时保留主体和边缘，避免人脸、物体被拉伸变形。

开源业务系统搭建平台，用 AI Agent 写代码、跑流程，NocoBase 提供底层能力和治理，人只负责决策。

给 AI Agent 用的排版规则和模板，能把内容导出成 PDF、PNG 和可编辑的 PowerPoint，省去手动调版式。

腾讯混元开源的大规模视频生成框架，基于扩散 Transformer 把文本提示直接生成连贯视频，适合做文生视频研究和应用落地。

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。

多智能体框架，让多个大模型智能体通过角色扮演和对话自主协作，用于研究智能体规模化规律并构建协作式 AI 系统。

开源文生视频和图生视频模型，CogVideoX 支持从文本或图片生成视频，适合搭建视频生成推理服务。

用 Pandoc 把 Markdown 转成排版精美的 PDF 或 LaTeX 的模板，基于 KOMA-Script，开箱即用，省去自己调 LaTeX 样式的麻烦。

用 C# 流式 API 生成 PDF 的现代库，组件化布局让复杂报表、发票和文档的排版代码干净易读。

纯 PHP 实现的 Word 文档读写库，无需 Office 环境即可生成和解析 docx、odt、rtf 等格式，适合在服务端批量导出报表或合同。

用 Python 写的开源深度研究工具，能对私有数据做推理式检索，替代闭源深度研究方案，支持接入 Milvus 和多种大模型。

收录 3400+ 仪表盘与 AI Agent 图标，提供 SVG/PNG/WEBP 免费 CDN 和 MCP 服务，方便 Homarr、Homepage 等面板快速取用。

让 Node.js 直接调用 libgit2 的原生绑定库，可在服务端或 Electron 应用中读写 Git 仓库，无需依赖命令行 git。

一套纯 Markdown 的轻量技能包，让 Claude Code、Codex 等 LLM 智能体在无人值守时自主完成机器学习研究：跨模型评审、想法发现与实验自动化。

微软开源的统一 3D 生成模型，用结构化 3D 潜变量把文本或图像转成高质量 3D 资产，支持大规模、多用途的 3D 内容创作。

面向本地部署的高速大模型推理引擎，通过稀疏激活与量化等技术，让消费级显卡也能流畅跑起 Llama 类模型。

用 LLM 智能体自动完成数据挖掘、模型训练等研发流程，让 AI 驱动数据驱动的 AI 开发。

用 Go 写的 App Store Connect 命令行工具，把 TestFlight、构建、提审、签名、订阅和截图等操作脚本化，方便接进 CI/CD 自动跑。

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。

多音色、支持提示词控制情感与风格的语音合成引擎，输入文本即可生成带情绪表现力的自然语音，适合做有声内容和虚拟人配音。

把 Claude Code 变成游戏 Mod 开发助手，提供侦察、逆向工程、fal 生成美术/3D/音频、游戏内测试和演示视频等技能与 MCP 工具，几乎能改任何 PC 游戏。

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。

基于微软 VibeVoice 的多说话人语音合成 Web 系统，支持 LoRA 微调、批量生成和显存优化，开箱即用。