AI 效率技能与自动化

Dulu Malayalam ASR

serendipitylabs · 工具包

在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字，是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。

Applio

IAHispano · 工具包

带浏览器界面的语音转换工具，注重易用和音质，支持插件。适合只转换自己有权使用的音频的艺术家、开发者和研究人员。

SimulS2ST-Omni

HA-SA-ki · 工具包

提供英文和中文之间同声语音到语音翻译的模型文件，基于 OmniTalker。适合想运行或研究 EMNLP 2026 论文系统的研究者和开发者。

Wan2.1-T2V-14B

Wan-AI · 工具包

用 14B 的 Wan2.1 模型根据文字提示词生成 480P 或 720P 视频，还能把中文和英文文字放进画面。适合有强力 GPU 硬件的创作者和研究人员。

NVIDIA NemotronLabs RE-USE-laughter

nvidia · 工具包

清理多语言的嘈杂语音录音，同时保留笑声。这是一个 9.6M 参数的语音增强模型，适合修音频的创作者和准备语音数据集的研究人员。

VibeVoice-ASR

microsoft · 工具包

微软研究院的 8.7B 语音转文字模型，一次可转写最长 60 分钟的音频，说明谁在什么时间说了什么，支持可选的热词和超过 50 种语言。

Phonon-2.5

FermionResearch · 工具包

用一个 156.2 MB、不需要显卡的模型转写 25 种语言的语音。这是 FermionResearch 的开源模型，适合 Apple silicon 的 Mac 以及普通的 Linux 或 Windows 电脑。

orukqwen-asr-1.7b

oruk · 工具包

把英文语音转成文字。它是用词错误率做强化学习后训练的 Qwen3-ASR-1.7B，适合需要英文转写的开发者和语音研究者。

Wan2.1-T2V-1.3B

Wan-AI · 工具包

根据文字提示生成 480P 短视频，小到大多数约 8 GB 显存的消费级 GPU 都能运行。适合想在本地做文字转视频的创作者和研究者。

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。

Bark

suno · 工具包

Suno 的 Bark 模型的演示，可根据文字生成音频，在浏览器里运行。许可是非商业的。适合想听听这个模型的创作者、研究者和开发者。

Hi3DGen

Stable-X · 工具包

用 Stable-X 的 trellis-normal 模型，从一张图片生成细节丰富的 3D 几何体。这是一个面向 3D 美术师、游戏开发者和研究者的 Gradio 应用，在 Hugging Face 上通过浏览器运行。

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。

MetaView Novel View Synthesis

hugging-apps · 工具包

用一张上传的图片，从新的相机角度渲染场景，带偏航和俯仰控制。这是 MetaView 方法的交互演示，适合研究者、3D 美术师和开发者。

Di♪♪Rhythm

ASLP-lab · 工具包

用 ASLP 实验室的 DiffRhythm 模型生成歌曲，运行在带 GPU 硬件的 Gradio Space 里。适合想快速听到 AI 作曲效果的音乐人、研究者和好奇的用户。

Applio

AnhP · 工具包

用一个注重易用和速度的语音转换工具，把一个声音转成另一个声音。适合想用插件和设置来适配自己项目的艺术家、开发者和研究者。

Parler-TTS

parler-tts · 工具包

在浏览器里用 Parler-TTS 大号和迷你模型把文字变成语音。适合创作者、开发者和想在使用前先听听模型效果的研究者。

Egyptian Arabic TTS

omarelshehy · 工具包

在浏览器里用基于 Chatterbox 的 NAMAA 埃及阿拉伯语文字转语音模型朗读阿拉伯语文本。适合阿拉伯语内容制作者、开发者和想听听这个模型的研究者。

Sesame CSM

sesame · 工具包

Sesame 的 1B 对话语音模型的浏览器演示，可根据文字和音频输入生成语音。用于研究和教育，严禁冒充和欺骗。

MusicGen

facebook · 工具包

用 MusicGen 模型把文字描述变成一小段音乐，是基于 AudioCraft 音频库的浏览器演示。适合想探索文字生成音乐的音乐人、开发者和研究者。

See-through: Layer Decomposition

24yearsold · 工具包

把一张动漫角色插画拆成互相独立、被补全的图层，带有深度顺序，并给你一个分层的 PSD 文件。适合插画师、动画师和研究者。

Tessera Pixel Studio

thejagstudio · 工具包

根据文字提示词绘制 16 乘 16 像素画，让你看着精灵一步步出现，然后还能编辑。基于一个小型扩散模型。仅限个人、研究和教育免费使用。

一个收到网络请求后用邮件回一份行程计划的 n8n 工作流。Claude 查出机场代码并调研当地活动，SerpApi 搜索 Google Flights 和 Google Hotels，Gmail 发出 HTML 计划。

一个 n8n 工作流，在网上研究一个技术问题并写出带引用的报告。它先提出追问，再用 Tavily 最多搜索三轮，由 OpenAI 写出每一轮的回答，并把报告交给一个能生成 Google 文档的转换服务。

一个 n8n 工作流，根据主题、模块数和每个模块的字数起草一门在线课程。Tavily 负责调研，OpenAI 把各个模块和一份配音稿写进两份 Google 文档，第二个表单再把配音稿变成 gpt-image-1 画的图，存进 Drive。