GPT-vup
GPT-vup是一个公共的代码存储库，主要用于BIliBili视频网站、抖音以及人工智能（AI）方面的虚拟主播项目。该存储库在GitHub上备受关注，已经获得了364颗星星和77个分支。它的主要目标是开发虚拟主播技术，为BIliBili和抖音等平台提供更加逼真和有趣的虚拟人物形象。该存储库是公开的，任何人都可以查看和使用其中的代码。
FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本… FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的 FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频（ 快速体验 ）。 在上述基本功能的基础上，FunClip有以下特色： 欢迎体验使用，欢迎提出关于字幕生成或语音识别的需求与宝贵建议~
数据统计
相关导航
anytext
阿里达摩院发布的AnyText项目看起来非常出色，它能够生成与原始图片风格相融合的文字，或者对图片中的文字进行修改，同时支持中文！ AnyText项目包括两个核心模块：一个潜在特征模块和一个文本嵌入模块。潜在特征模块使用文本字形、位置和蒙版图像等输入，生成用于文本生成或编辑的潜在特征。文本嵌入模块则利用OCR模型将笔画数据转化为嵌入，再与来自标记器的图像标题嵌入相结合，生成能够与背景无缝融合的文本。 为了提高书写的准确性，AnyText采用了两种损失函数进行训练：文本控制扩散损失和文本感知损失。
LiSTNR
Listnr是一个人工智能语音生成器和文本到语音的在线工具，允许用户从142种不同语言的900多个声音的文本创建逼真的画外音。
Annotate 翻译站点
Annotate把屏幕录制、界面圈画与语音转写整理为本地MCP时间线，方便Cursor、Claude Code和Codex理解界面修改要求。
clone-voice
这是一个声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。 使用非常简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。 支持 中、英、日、韩、法、德、意等16种语言，可在线从麦克风录制声音。 为保证合成效果，建议录制时长5秒到20秒，发音清晰准确，不要存在背景噪声。 英文效果很棒，中文效果还凑合。
IMG.LY 翻译站点
一个跨平台的创意SDK，具有100多个功能，包括照片、视频和设计编辑器。它可高度定制，并支持自动化API，可以自定义UI来创建各种用例，如照片书、明信片、拼贴画、应用服装等
InvokeAI
InvokeAI 是一家主导稳定扩散模型的创意引擎公司，利用最新的人工智能技术，为专业人士、艺术家和爱好者提供生成和创建视觉媒体的能力。该解决方案提供业界领先的 WebUI，通过命令行界面（CLI）支持终端使用，并为多个商业产品提供基础支持。 InvokeAI 的功能特点包括：
Semi Design
Semi 设计稿转代码（Semi Design to Code，或简称 Semi D2C），是由抖音前端 Semi Design 团队推出的全新的提效工具。Semi D2C 可以一键将 Figma 设计稿转为前端代码，帮助研发侧快速实现 UI 还原工作，提升研发侧需求交付速度。