项目分类
按分类浏览项目，点击分类切换下方列表。
全部
AI 应用与 AI Agent · 638
AI 模型与开发框架 · 759
自动化与工作流 · 426
数据分析与数据处理 · 854
网站与 SaaS 工具 · 359
效率与办公工具 · 418
图像、视频与音频 · 428
内容创作与媒体工具 · 344
电商与营销工具 · 107
游戏与娱乐 · 206
网络与基础设施 · 719
开发者工具 · 1771
安全与隐私工具 · 216
教育与学习 · 316
其他 · 1823
图像、视频与音频 共 428 个项目 · 第 2/22 页
PaddleOCR （飞桨多语言OCR工具库）
综合 72
轻量且功能强大的 OCR 工具包，将 PDF 和图片文档转换为供 LLM 使用的结构化数据，支持超 100 种语言。
ten-framework
综合 72
用于构建对话式语音 AI Agent 的开源框架。
Speech
综合 72
NVIDIA 的生成式 AI 框架，专为大语言模型、多模态及语音 AI（ASR 与 TTS）研究与开发打造。
VidBee
综合 71
支持从千余站点下载音视频，本地转写并标注说话人，结合 AI 实现总结、翻译及对话。
redoc
综合 71
基于 OpenAPI/Swagger 规范生成的 API 参考文档展示工具。
peach
综合 71
本地优先的视频元数据刮削与媒体管理工具。
speechbrain
综合 71
基于 PyTorch 的开源全能语音处理工具包。
streamlink
综合 70
可将各大流媒体平台视频流直接传输至本地播放器的 CLI 命令行工具。
owncast
综合 70
开源自建视频直播服务，开箱即用，自带流媒体播放与互动聊天功能。
beets
综合 70
音乐库管理工具，支持使用 MusicBrainz 自动抓取并整理标签信息。
CosyVoice
综合 70
多语言大规模语音生成模型，提供涵盖推理、训练和部署的全栈能力。
HivisionIDPhotos
综合 70
轻量且高效的 AI 证件照制作工具与算法。
Concat
综合 70
Beta 版：免费、开源、本地优先的跨平台视频编辑器，支持通过 JSON-RPC API 与 MCP 编写脚本。
语义分割模型库，内置 500 多种基于卷积和 Transformer 的预训练骨干网络。
imgproxy
综合 70
快速且安全的独立图像处理服务器，支持实时裁剪缩放与格式转换。
pixelfx （像素艺术特效代码库）
综合 70
包含 244 款纯代码像素特效与动画，可导出精灵图用于游戏引擎，并附带生成新特效的 Claude Code skill。
anatomy
综合 70
用于绘制现实机器与复杂系统等轴交互插图的 Agent 技能，支持导出带 WebGL 效果的 SVG。
ChatTTS
综合 69
专注于日常对话场景的生成式文本转语音（TTS）模型。
plotly.py
综合 69
面向 Python 的交互式图表与数据可视化库。
webamp
综合 69
在浏览器中复刻经典 Winamp 2 播放器的开源实现。