面向 AI Agent 的可编程钱包，稳定币微支付 + x402 协议，让智能体拥有原生身份与支付能力

检索式变声框架：10分钟语音训练音色模型，训练推理一体WebUI，37k stars

110万卖家在用的跨境ERP，采集上货订单利润一站搞定，还集成了不少电商AI工具

Tailscale 控制服务器的开源替代，自建私有 Mesh VPN 协调端，无限设备

全栈开源 Mesh VPN 平台，内置管理面板和 OIDC 集成，从零构建的自托管 WireGuard 网络方案

83 万下载的开源视频模型天花板——文生视频/图生视频/音视频同步/4K 20 秒，8GB 显存量化可跑

OCR/版面/表格/公式全流水线跑在显卡上，PDF 进 Markdown 出，单卡 5090 最快 559 图/秒，比传统 OCR 快 15-90 倍

阿里Qwen团队出品，中文WER开源最低，配套ForcedAligner毫秒级时间戳，视频配音翻译链路的基础设施

一张图片+一段视频，角色跟随动作表情表演或直接替换视频中人物，骨骼信号+重光照LoRA，免费

国内首个角色扮演视频生成，文/图生视频、多镜头叙事、音画同步、图文混排绘本，一站式AI创作

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

基于 STTN/LaMA/ProPainter 等多算法的视频硬字幕和文本水印去除工具，完全本地运行，支持 Windows/Mac/Linux/Docker

FLUX 1/2 团队新作：图像/视频/音频联合训练的世界模型，视频+原生音频最长 20 秒，Early Access 已开放

首个开源全能参考视频模型：消费级显卡可跑，效果≈Seedance 2.0 Fast 八成、成本仅十分之一。附Seedance/可灵/万相/LTX/Veo/Grok/FLUX3逐家盘点

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

一张照片实时驱动表情/姿态,4090 上毫秒级推理,配口型模型可组完整数字人,开源 MIT

扔一段视频进去，自动出带章节配图的 Markdown 报告，网课笔记/会议纪要/内容素材一站搞定

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

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

Whisper转写+LLM语义分析，用自然语言从长视频里找片段、选段、导出成片，检索到剪辑全流程一个Web界面闭环