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。

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。

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。

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 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。

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。

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。

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。

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。

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。

离线运行的本地音视频转字幕工具，能把语音识别成文字，输出 JSON、SRT 字幕和纯文本格式，适合不想上传云端、注重隐私的字幕制作场景。

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。

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 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。

面向语言学习者的视频播放器，支持双语字幕、Whisper 语音识别自动生成字幕、OCR 识别画面文字，并接入大模型做实时翻译。

把 OpenAI Whisper 做成近实时的语音转文字服务，支持 TensorRT、OpenVINO、ROCm 等硬件加速，适合直播字幕和听写场景。

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。

功能齐全的现代 HTML5 视频播放器，支持弹幕、字幕、多清晰度切换、缩略图预览、截图和自定义图层，适合在网页中快速搭建播放体验。

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。

超低延迟流媒体引擎，支持 WebRTC 约 0.5 秒延迟，兼容 SRT、RTMP、HLS、CMAF，带自适应码率、转码和横向扩展，适合搭建直播与实时推流服务。

从视频里精确截取带内嵌字幕的画面，直接生成 3:4 社交长图，省去手动找帧和排版字幕的麻烦。

给 Whisper 语音识别模型套上 Gradio 网页界面，上传音视频就能自动生成字幕，省去命令行操作。

免装 Python 的 Whisper 与 Faster-Whisper 独立可执行程序，解压即用，直接做语音转文字、字幕生成和说话人分离。

用 Python/C 实现的强制对齐工具，能把音频和对应文本自动对齐到词或音素级别，适合做语音数据集标注和字幕时间轴生成。

把任意网页里的视频抓出来，实时转码后投到电视上播放，还能把字幕烧进画面。

本地运行的语音转文字工具，带网页界面，用 Whisper 模型把任意音频转成文本，还能翻译和编辑字幕，全程数据不出本机。

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。

给任意会议或直播加实时字幕、同声传译和 AI 会议纪要的跨平台工具，支持 Mac、Windows、Linux 和 Android，免费开源。

输入任意主题，自动生成带 TTS 旁白、字幕和章节进度条的黑底动态图形讲解视频，支持中英文，每帧都用 Remotion 代码绘制。

把新闻自动做成 YouTube Shorts 的流水线：生成脚本、AI 画面、配音、字幕并上传，省去手工剪辑。

用 Qwen3-ASR、Whisper 和本地 LLM 给日语音视频自动生成字幕，靠 TEN-VAD 和降噪处理应对嘈杂背景音。

B站视频下载器，带图形界面，支持 nfo 刮削、广告标记、字幕和弹幕下载，方便把视频整理进 Emby 等媒体库。

把视频按场景切分、去重抽帧并配上字幕文本，让 Claude 等大模型真正「看懂」视频内容，支持 URL 或本地文件，全程本地运行。

基于 OpenAI Whisper 及其变体的字幕生成工具，提供网页界面、命令行和 Python 包三种用法，可自动为音视频生成字幕。

基于 libmpv 的 Android 视频播放器，支持硬件解码和丰富字幕、音轨控制，适合播放本地高码率视频。

用字幕文件自动翻译视频文本，再通过 AI 语音合成生成配音音轨，并按字幕时间轴对齐口型，省去手动配音和打轴的麻烦。

OBS 直播插件，用本地 Whisper 模型实时做语音识别和字幕，不用把音频传到云端，直播时也能直接出字幕。