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

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

场景感知关键帧提取+音频转写，不是固定采样，快剪不漏、静态不重复，本地处理，支持YouTube/Instagram/TikTok链接和本地文件

SIP 电话线接任意 AI 模型，实时接听可调用工具，录音转写全归自己。pre-alpha 阶段，值得提前关注。

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

基于 Google Gemini + FFmpeg，通过 Director/Editor/Reviewer 多 Agent 流水线，将原始素材和创意简报自动剪辑成精品广告，支持 YAML 管道配置与风格模板

OpenBMB 开源的 2B 参数文本转语音模型，支持 30 语言、Voice Design 声音设计、可控声音克隆，48kHz 输出，Apache-2.0 可商业使用

68种语言语音转文字，支持多语言识别/翻译/语种检测，命令行即可使用

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

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

要同时读画面+声音分析快手/抖音短视频，实测硅基流动 Qwen3-Omni、DashScope Qwen3.5-Omni flash/plus、本地抽帧+ASR 五条链路，给出选型建议和避坑点。

扔个B站/YouTube/抖音链接进去，自动出带截图、可跳转原片的 Markdown 笔记，还支持笔记内容 AI 问答。开源可自部署，7.3k Stars。

面向 Seedance 2.0 的模块化 agent-skill 包，导演引擎 + 长序列续写 + 多语言制片工作流，Stars 1.8k+。

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

你以为自己在操控推算，实则早已被命运纳入局中。占卜本身，就是改变结局的关键变量。