AI 效率技能与自动化

Mega-ASR

zhifeixie · 工具包

转写来自嘈杂、有回声、削波或重叠的录音里的英文和中文语音，并把干净的音频交给基础模型。适合处理困难音频的团队。

VQGAN + CLIP

multimodalart · 工具包

把一句文字变成图像，你能看着图像从噪点里逐步成形，并把整个过程存成视频。适合艺术家、学生，以及对经典文生图方法好奇的开发者。

Russian Emotional TTS

Andreevai · 工具包

带情感并按标注的重音朗读俄语文字，还能从 3 到 10 秒的音频复制声音。只克隆你有权使用的声音。

English_audio_transcriptor

Sakil · 工具包

在 Gradio 页面里用 wav2vec2 base 模型把英语语音转成文字，带有四段示例对白音频。适合学生、开发者，以及需要快速文字稿的人。

DeepFilterNet

hshr · 工具包

在 Gradio 页面里用 DeepFilterNet 去掉语音音频里的背景噪声，附带示例片段，适合想整理语音录音的人和音频开发者。

SpeechCloning 语音克隆

Flux9665 · 工具包

Flux9665 做的 Gradio 语音合成演示，从名字看是用克隆的声音读文字，带有一个参考音频片段文件夹。适合想用自己有权使用的声音试用开源语音克隆的人。

PoeticTTS 诗歌语音合成

Flux9665 · 工具包

Flux9665 做的 Gradio 语音合成演示，从名字看是朗读诗句，带有一个参考音频片段文件夹。适合想在浏览器里试用富有表现力的开源语音合成的人。

Multilingual TTS 多语言语音合成

Flux9665 · 工具包

Flux9665 做的多语言语音合成演示，仓库名叫 IMS-Toucan，带有参考音频片段和说话人识别模型。适合想在浏览器里试用开源语音合成的人。

Reddit Video Downloader

Amrrs · 工具包

一个 Streamlit 应用，按名字看是用来保存 Reddit 上的视频。README 没有写步骤，具体要求看页面。适合有权保存该视频的人。

Vakya 2.0 文字转语音

YashMachineLearning · 工具包

把 11 种印度语言的文字转成语音，并能用一小段参考音频克隆声音。适合有权使用所克隆声音的研究者和学习者。

NAMAA Saudi TTS V2

xiiqj · 工具包

用一段简短的阿拉伯语片段和它的文字稿克隆声音，再用这个声音朗读你输入的任何阿拉伯语文本，带纳季方言风格。仅限非商用。只使用你有权使用的声音。

Ltx Video Extender

Sobhanm · 工具包

在 Gradio 应用里让视频变得更长，使用 Lightricks 的 LTX 2.5 Diffusers 模型。适合想让片段超出原有长度的创作者和开发者。

Extender

Skolavennu · 工具包

一个小型 Gradio 应用，能把视频延长你指定的秒数。适合想把片段拉长，又不想打开剪辑软件的创作者和开发者。

MOSS TTS Nano

OpenMOSS-Team · 工具包

一个声音克隆演示，用上传的参考音频或内置预设的声音朗读你的文字。由 OpenMOSS-Team 制作，运行在 Hugging Face ZeroGPU 上。

VoxPocket 高棉语语音合成

muyleanging · 工具包

在浏览器里把高棉语文字转成语音，支持用短音频克隆声音、选择风格，也能按描述设计声音。适合做高棉语音频的创作者和研究者。

ZONOS3 Mini

mrfakename · 工具包

用 ZONOS3-Mini 模型把文字转成十种语言的语音，有 27 种预设声音、短片段声音克隆、语速和响度控制，以及情绪调节。

Kızagan TTS v1.0

AlicanKiraz0 · 工具包

朗读土耳其语文本，可用内置参考声音，也能克隆你上传或录制的声音。提供表单界面、Gradio API 和 MCP 服务器。

H3 Camera Angle Control

linoyts · 工具包

在 Gradio 应用里用 Meridian 视频模型，按你拖动 3D 相机设定的新机位，重新拍摄一段视频或一张照片。

InsightFace-Face Swapper-on Video

zerovic · 工具包

把视频片段里的一张脸换成另一张脸，用 InsightFace 换脸模型加一个简单的 Streamlit 页面。可以在 Hugging Face 的浏览器里用，也可以在你自己的电脑上跑。

Russian Text To Speech

TeraTTS · 工具包

用 TeraTTSv2 模型和十个内置参考声音朗读俄语文本，返回一段 44.1 kHz 单声道音频。这是一个在 Hugging Face 上运行的 Gradio 演示。

VoiceTut Egyptian-Arabic TTS (diacritized)

hugging-apps · 工具包

朗读埃及阿拉伯语文本，利用变音符号让发音更清晰，提供 19 种内置声音，也可以根据一段短音频克隆声音。适合用埃及阿拉伯语工作的创作者、学习者和开发者。

Confucius4-TTS Voice Clone

CharlesW · 工具包

根据一段简短的参考音频克隆声音，并用这个声音朗读你的文字，带自动语言检测和可选的参考音频转写。适合测试文字转语音和声音克隆的人。

Omni Video Factory

FrameAI4687 · 工具包

在浏览器里运行的 Gradio 页面，可以根据文字描述或静态图片生成视频，也能延长做好的视频。适合想测试 AI 视频、又不想安装任何东西的创作者。

Omni Video Factory

vamo455 · 工具包

在浏览器里运行的 Gradio 页面，可以用文字生成视频、用图片生成视频，也能延长现有视频。适合想快速测试 AI 视频、又不想安装任何东西的创作者。

AIEV

notivn · 技能

由 Claude 担任导演，自动剪辑视频：转写片段、规划剪辑、加上字幕、缩放和音效，并导出 MP4。适合想要本地控制台的创作者。

Memos 自托管笔记应用

usememos · 工具包

一款免费、MIT 许可的笔记应用，由你自己托管，零碎的想法和较长的 Markdown 笔记会汇集成一条个人时间线。安装说明涵盖 Docker、Compose、二进制文件、Kubernetes、HTTPS、备份、升级、Web Clipper、API、webhook，以及通过 MCP 接入 Claude Code。