让你的传统音箱变成蓝牙音箱，外观做工OK，核心指标过硬，几个接口和开关的位置选择都和合理，不但能在家也能随时带出去用

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

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

一秒钟让你的传统音箱变成蓝牙音箱！

CVPR 2025 Highlight，通过智能缓存跳过冗余时间步，无需重训模型即可大幅加速扩散模型推理。支持Wan2.1/FLUX/HunyuanVideo等20+主流模型

音频驱动数字人视频生成，照片+语音生成对口型视频，支持唱歌/双人对话/动漫动物，8步推理，MIT协议可商用

将音频分离成人声、鼓、贝斯、吉他、钢琴、其他 6 轨，支持 MP3/WAV 导入和 YouTube URL 粘贴，完全本地运行，无需账号/上传/订阅

1000+图像视频音频3D模型一行API调用，自研推理引擎比竞品快10倍，H100低至$1.2/小时，SOC2企业合规

Lightricks出品22B DiT模型，单一模型同时生成同步视频+音频，支持图生视频/文生视频，蒸馏版8步出片

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

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

Go + Wails 跨平台下载工具，代理抓包嗅探视频/音频/m3u8/直播流，支持视频号/抖音/快手/小红书，适合自媒体批量获取素材

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

Google DeepMind 开源多模态模型，11.95B参数支持文本+图像+音频，256K上下文，原生函数调用，Apache 2.0免费商用

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

支持文本、图像、音频、视频的多模态终身记忆，LoCoMo SOTA

界面极简的全能型在线下载工具，支持多种媒体平台链接解析，可选自动/音频/静音三种下载模式，无需安装软件，适合快速下载各类网络媒体内容

33B参数开源视频生成模型,文生视频/图生视频/首尾帧过渡,原生同步音频,支持2K,ComfyUI Day-0原生支持

每日更新，按日期收录网站和App，涵盖AI工具、图像视频、音频、效率工具等，适合寻找灵感或发现新产品的开发者

支持在 Telegram Web 中下载被群组/频道限制保存的图片、视频、GIF 和音频的浏览器脚本，兼容 Tampermonkey/Violentmonkey 等多种用户脚本管理器，适合需要备份 TG 媒体内容的用户