CVPR 2023 论文项目，一张照片+一段音频即可生成逼真的数字人/虚拟主播视频，支持口型同步和表情控制

完全离线、0.15秒出字，按住CapsLock说话松开就上屏，再也不用给讯飞交月费了

对着屏幕说话，文字自动出现在任何应用的光标处，AI还帮你润色

像跟剪辑师说话一样下指令：文字稿删字即剪片、去口水词、MG动画配乐一体，还能挂进ChatGPT/Codex当插件，剪辑技能可复用

免费教材教你怎么跟AI说话，从新手到高手的完整学习路径

上传视频自动语音转写，选中文字段落就剪出对应片段，还支持按说话人剪辑和 LLM 辅助选段

微软开源的前沿语音AI模型，支持60分钟长音频识别和90分钟多说话人语音合成

零依赖、无需 GPU，一行命令让 AI Agent 开口说话，支持中文多种声音

开源自托管的智能笔记研究工具，支持18+AI模型、多模态内容、多说话人播客生成，数据完全本地存储

RLHF共同发明人新公司首作：不做聊天只做结构化决策，概率校准可信到能写进代码阈值，便宜两个数量级

对着 AI 说建张木桌打个灯，Blender 里真给你建出来，26.7k star 的开源项目

实时交互流式数字人引擎，9.3K Stars。支持 Wav2Lip/MuseTalk/Ernerf 多模型，WebRTC/RTMP/虚拟摄像头输出，已广泛商用

没有用户名、没有手机号、没有ID，连服务器都不知道你在跟谁聊天。12k Stars开源IM，Trail of Bits审计通过。

2个小时全程无尿点啊，太过瘾了。还有这种末世的风格，这想象力，只能说编剧和导演脑洞开的真大

微软删除官方 TTS 推理代码后，社区 fork 保留的 PyTorch 完整实现。支持单卡/多卡推理、语音克隆、Gradio Demo。

微软开源中文 TTS，男声女声，RTF 0.5x，Agent 通过 SSH 一键生成并播放

200+ SOTA模型，无content filters，可自托管。替代Higgsfield/Freepik/Krea/Openart的开源方案

Kimi 推出的本地 AI 助手一键部署方案，具备长期记忆与个性化能力

Agent能力交易市集，A2A/MCP标准协议，支持OpenClaw/Hermes/Claude Code接入

10语言全覆盖、97ms流式延迟、3秒声音克隆，中文TTS天花板，Apache 2.0商用免费