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

看起来可能会很实用并且颜值担当的一款包,最担心就是不够硬 不能很好的保持形状

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

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

一键全自动视频翻译，字幕切割+AI翻译+配音，Netflix品质，支持YouTube视频下载

Tauri + React 现代化跨平台下载工具，支持 YouTube/TikTok/Instagram 等 1800+ 站点，内置 AI 视频摘要、自然语言视频编辑、字幕工坊、SponsorBlock 等功能，适合内容创作者批量处理视频

开源AI短视频生成与自动发布工具，支持LLM文案生成、多平台TTS配音、ffmpeg混剪、Selenium自动发布

从内存提取密钥，解密SQLCipher 4数据库，支持实时消息监听

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

一站式视频字幕处理：语音识别、字幕优化、翻译、配音、烧录，免费功能安装即用

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

想自己组装机器在本地跑顶级AI大模型，不依赖任何API？这份攻略从硬件选型到系统配置到模型推荐全讲清楚了，2千美元起步。

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

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

人体两套操作系统：胸口识神（贪嗔痴慢疑）与眉心元神（本自具足）。修行即回光返照，活着时让元神归位。

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

字级配音同步、七层反PPT镜头系统、三重验收自动返工，把Claude Code/Codex变成口播视频动效工作室

开源语音交互 AI 虚拟伴侣，13.5K Stars。支持实时语音对话、视觉感知、Live2D 形象，桌面宠物模式可完全离线运行

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