这种东西要穷其一生去研究。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域TensorFlow将完全开源，任何人都可以用。

开源高性能聊天机器人框架，支持多模态对话、语音交互和可扩展插件，一键部署私有 ChatGPT。

集成翻译、配音、语音克隆，支持横竖屏，输出适配抖音、小红书、B站、YouTube、TikTok

AI驱动的视频字幕提取+文案三维度分析，支持B站/YouTube/抖音，FunASR中文语音转录+RapidOCR烧录字幕识别

微软删除官方推理代码后，社区补上的完整 MLX 实现。支持 1.5B/7B 语音合成、零样本语音克隆、量化加速。

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。

用 Scrcpy 图形化控制 Android 设备，支持无线投屏、多设备管理、集成控制栏、AI 语音操控

利用 AI 大模型一键自动解说并剪辑视频，支持多语言、字幕、语音合成

最完善的 Telegram 桥接 Claude Code 方案，支持 session 管理、实时流式、语音输入、文件上传

真正开源的 AI 数字人克隆工具，15K Stars。支持外观+声音克隆、文本/语音驱动生成视频，完全离线运行，Docker 一键部署

甩一段视频进去，画面内容、背景音乐、音效、对白全给你分析出来——阿里原生全模态模型，30B只激活3B，还能直接用语音回答你，Apache 2.0

上传音视频，AI 自动整理成结构化 Markdown 笔记

5秒样本零样本TTS，1分钟数据微调即可克隆声音。支持中英日韩粤跨语言推理，集成WebUI工具链，58k Stars

150倍实时速度，48kHz高清音质，3秒参考音频克隆声音，Apache 2.0免费商用

输入一个主题，AI 自动完成文案、配图、配音、视频合成，零门槛创作短视频

Qwen3-ASR 效率碾压、VibeVoice 长音频分人无敌、Whisper 生态覆盖最广——三大 ASR 各守一象限，谁该装谁

当进入录音整理阶段时，它的波形是竖向的，左侧是准确的时间，右侧是模糊转译的文字提示，虽然文字错误很多，但大概能知道此处在讲什么，提高了回听内容的效率。当然这个 app 也有准确听译的选项，我判断是人工听写+收费功能，从来没试过。

玻森中文语义开放平台提供使用简单、功能强大、性能可靠的中文自然语言分析云服务

一些常用的网络转码生成字符等工具

番茄密友 国内首款正版免费聊天记录隐藏工具 守护属于你的一切