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。

命令行里随手记日记和笔记的工具，支持加密存储与标签检索，不用离开终端就能收集想法。

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。

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。

基于 OpenAI Whisper 的语音转写工具，能自动识别不同说话人并切分对话，适合会议记录、访谈整理等多人语音场景。

用 Python 从 Instagram 批量下载图片、视频、配文和元数据，支持帖子、快照和用户主页，适合做数据采集和存档。

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。

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。

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。

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。

用 Rust 重写的现代 ls 替代品，带彩色输出、图标和 Git 状态，让终端列目录更直观好看。

高性能内存键值数据库，兼作缓存、消息队列和向量检索引擎，帮实时数据应用把读写延迟压到毫秒级。

可编程的自动化引擎，用容器把构建、测试和发布流程串成可复用流水线，本地、CI 或云端都能跑。

基于 OpenTelemetry 的开源可观测性平台，把日志、指标和链路追踪集中到一处，提供 APM、分布式追踪和基础设施监控，帮团队快速定位线上问题。

浏览器扩展，自动跳过 YouTube 视频里的赞助商广告片段，靠社区众包标记时间段，省去手动拖进度条。

终端里的日志文件浏览器，能自动识别日志格式、高亮显示并按时间合并多个文件，比 less 和 tail 更适合排查线上问题。

开源的 DocuSign 替代品，支持 PDF 电子签名、文档签署流程和 PAdES 标准，可自建部署替代商业签署服务。

Kaldi 是经典的语音识别工具库，提供声学建模、解码和说话人识别等完整流程，适合搭建语音转文字与说话人验证系统。

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。

开源全栈监控平台，集错误监控、会话回放、日志和分布式追踪于一体，适合自建可观测性体系。

云原生分布式 SQL 数据库，面向关键业务场景，支持跨区域、多云部署和水平扩展，兼容 PostgreSQL。

把 PDF、图片、音视频等各种格式的数据统一解析成结构化文本，方便直接喂给 GenAI 框架和 RAG 流程使用。

给 ffmpeg 套上美观易用的 Windows 图形界面，内置大量参数预设，让不懂命令行的普通人也能轻松压制视频、转换音视频格式。

开源可观测性数据库，用一套列式引擎在对象存储上统一存储指标、日志和链路追踪，支持高基数场景，兼容 Prometheus 和 OpenTelemetry。

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。

开源可观测性与 APM 平台，整合指标、日志、链路追踪、持续剖析和 SLO 告警，借助 AI 自动定位故障根因。

一个可持久运行、能自我进化的多智能体协作框架，让多个大模型智能体跨领域分工协作，适合搭建长期在线的复杂任务编排系统。

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。

基于 Whisper 的多语言语音识别工具，能输出词级时间戳和置信度，方便做字幕对齐和逐词定位。

0.9B 参数的多语言长音频转写模型，能同时输出说话人分离、时间戳和声学事件标记，适合做会议记录和字幕生成。

可控语音转写工具，能逐字保留停顿、口吃和语气词，也能输出流畅可读版本，并提供词级时间戳。

基于 PyTorch 微调 Whisper 语音识别模型，支持有无时间戳、无语音数据训练，并用 CTranslate2 加速推理，可部署到 Web、Windows 和安卓。

把视频按场景切成 9-16 格带时间戳和字幕的分镜图，连同音频包络压成一张 384 token 的图片，方便大模型低成本理解长视频。