IndexTTS 值不值得用？Mac 实测一周，3 个官方没告诉你的坑
B站开源零样本音色克隆，一段参考音频就能克隆音色。我在 Apple Silicon 上实测了一周：免费、离线、数据不出本地，但部署折腾、Mac 上比官标慢 40 倍，且官方反复推荐的 use_emo_text 我实测开了反而更不自然。附 RVC / GPT-SoVITS / Fish Audio / MiniMax / ElevenLabs 替代对比。
AI 工具
50 篇数字人视频低成本怎么做？lanshu：一张授权图+文案自动跑出带字幕成片
「lanshu-create-ai-presenter-video」是一个面向 Codex 的开源数字人视频技能（MIT，Python，913⭐）：给它主题/文案和一张授权人物图，它自动组织文案、配音、人物生成、口型校准、字幕、关键词动效、剪辑、渲染和质检，一条龙产出带实时字幕+封面的成片，且源码不绑定任何厂商/模型。适合做知识口播、产品讲解、课程/培训口播的创作者。注意它是给 Agent 用的技能、不是独立 App；开源的是编排，配音/人物生成的模型能力本地没有仍需付费；人物图须获授权且为清晰成年人。
AI 视频一键出片是骗人的吗？我实测 MiniMax H3 自己拼了一个
「输入一句话就出大片」是 AI 视频最大的幻觉。我实测了 MiniMax H3 文生视频 API：能自己拼出成片，但真实工作量是「分镜 → 逐镜头生成 → 抽帧质检 → 精剪拼接」的工程活，且动作时机不可控、跨镜头风格会漂移。附可灵 / 即梦 / Runway 对比，告诉你怎么选最省心。
内容创作工具工作台值不值得？自研「轻作」的诚实复盘
作为内容创作者，我把 16 个高频工具装进一个本地工作台「轻作」。这篇是创始人视角的诚实复盘：它真正解决了什么、有哪些只有我用了才知道的坑（AI 选题/知识库仅限本机、全网热榜其实接不全、清浏览器数据会丢选题清单）、以及它到底适合谁。附在线演示版与本地运行方式。
克隆音色包值不值得囤？我下载了一整圈，结论让你意外
我把一套几百款热门克隆音色包下载用了。先说结论：数量不等于质量。真正稳定的是按「角色/气质」而非「情绪」分的那几款，而且一个亲手处理干净的参考音频，比几百款现成卡包更有用。附正确找音色的做法 + 适合谁/不适合谁。
Word/PPT/PDF 一键转 Markdown：开源 AnyDoc 实测比 LibreOffice 快 250 倍
Firecrawl 开源的文档转换神器：Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 一键转成 GitHub 风格 Markdown。纯 Rust、本地运行、免费开源，实测单文档仅 4.4ms，比 LibreOffice 快 200 多倍，还自带 Agent Skill 让任何 AI 助手能读 office 文档。
OpenBot：开源版「AI 同事」，每个 Agent 配一台独立电脑、可审计可断网
CopilotKit 开源的 AI 同事平台：每个 Agent 拥有一台独立容器电脑（自带浏览器、文件、工具），所有动作先决策后执行、全程留痕，MIT 协议 + 「缺策略即禁止」的网关边界。自带 AG-UI 接口，可接入任何 Agent，自托管部署。
Cursor AI 编程工具：Agent、Origin 代码托管与 GitHub 同步
Cursor 不仅是 AI 代码编辑器，现已加入 Coding Agent、Cloud Agents 和 Origin 代码托管。支持 GitHub 同步，让开发者在同一环境完成编码、审查与协作。
Dayflow AI 时间追踪：Mac 自动生成工作日志与周报
Dayflow 是一款 macOS 自动工作日志工具，通过 AI 分析屏幕活动，生成时间线、Standup 和周报，支持本地模型，注重隐私。
holaOS 工作区：让 Claude Code 与 Codex 共享记忆与工具
holaOS 是开源桌面工作区，统一管理项目记忆、文件与 MCP 工具，使 Claude Code、Codex 等 Agent 共享环境，减少重复配置，支持 BYOK 与 Ollama。
AiMaMi Codex 管理工具深度解析：账号、路由与会话管理
AiMaMi 是一款开源桌面应用，专为 Codex 用户提供账号额度、会话历史、MCP/Skills 及第三方模型路由的集中管理，通过图形界面简化本地配置操作。
Speech To Markdown：Mac 与 iPhone 版语音转 Markdown 差异详解
Speech To Markdown 是一款本地优先的语音转 Markdown 工具，Mac 版用 Whisper 和 Agent Mode，iOS 版依赖苹果端侧 AI，功能与配置各有不同。
CodexThemes：让 Agent 自动安装和切换 Codex 主题
CodexThemes 是一个为 OpenAI Codex 桌面端打造的第三方主题社区，通过 Agent Skills 实现主题的自动查找、下载、安装与切换，用户只需复制提示词即可。
考搭子：开源AI备考工作台，把散乱资料变成复习路线
考搭子是一款开源AI备考工具，帮你把课件、笔记、PDF等资料统一整理，自动生成复习计划、模拟题和记忆卡片，支持BYOK模式，灵活控制成本。
Everywhere：让 AI 看着你的屏幕，告别繁琐复制粘贴
Everywhere 是一款屏幕上下文感知的桌面 AI 助手，能直接在当前窗口呼出，理解你正在看的内容，减少复制粘贴与窗口切换，支持多模型与本地部署。
Qwerty Learner：离线AI口语陪练与打字背单词的免费工具
Qwerty Learner将打字背词、盲打练习与离线AI口语对话结合，支持370+词库，本地数据处理，适合多种学习场景。
OpenBidKit 易标：开源桌面 AI 标书助手，本地知识库与废标检查
OpenBidKit 易标是一款开源桌面 AI 标书工具，整合招标文件解析、企业知识库、初稿生成与废标检查，支持本地模型，兼顾数据安全与效率。
本地大模型跑得动吗？用 Can I Run AI 一测便知
Can I Run AI 是一款在线硬件检测工具，通过浏览器读取电脑配置，评估能否流畅运行本地大模型，并给出运行等级和量化建议，帮你避免下载后跑不动的尴尬。
MioSub：开源字幕工作台，一键搞定转录翻译压制
MioSub 是开源跨平台字幕工具，整合转录、翻译、对齐与压制，支持 YouTube/B站链接与音频文件，适合长视频字幕流程，需自备翻译 API Key。
AirTranslate：Mac 系统音频翻译工具，让外语视频与会议实时生成悬浮字幕
AirTranslate 是一款 macOS 开源工具，可直接捕获系统音频进行转写和翻译，并以悬浮字幕呈现，适合观看外语视频或参加跨国会议的用户。
Violin：开源视频翻译流水线，33种语言与本地自动化
Violin 是开源 AI 视频翻译工具，支持 33 种语言，通过 CLI 或 Web 界面实现全流程自动化，让用户自由选择模型与API，控制成本。
OpenCyvis：在虚拟屏幕上运行的开源 AI 手机助手
OpenCyvis 是一款基于 Android 的开源 AI 代理，通过虚拟显示器在后台执行任务，支持多模型选择，但需要系统级集成，门槛较高。
deep-printfilm：串起剧本、角色与关键帧的 AI 漫剧工作台
deep-printfilm 是一款本地可视化工作台，旨在整合 AI 短剧制作中的剧本、角色、关键帧与视频片段，解决流程碎片化与角色不一致问题。
浏览器本地分段，纯前端音视频转文字：基于讯飞 API 的开源工具
无需后端，纯前端工具在浏览器内自动切分长音频，对接讯飞 API 识别，合并输出文本。适合自备 API 凭证、追求成本控制的用户。
CyberVerse：开源数字人视频通话框架，一张照片即可打造实时交互 AI 角色
CyberVerse 是一个开源框架，将 LLM、语音与 WebRTC 融合，让你通过一张照片生成数字人，实现实时视频通话。本文解析其架构、部署门槛及适用人群。
GPT-Image2 结构化提示词模板库：让 AI 生图稳定可控的工作流参考
这不是一个简单的提示词合集，而是一套结构化的 Prompt 协议框架，教你将画面拆解为变量，适合开发者、自动化玩家和设计初学者。
VisionCull Pro：本地AI初筛模糊与闭眼废片，摄影师减负利器
VisionCull Pro 是一款本地 AI 选片工具，专为摄影师初筛废片设计。它通过 OpenCV 和 MediaPipe 检测清晰度与人脸闭眼，非破坏性复制合格照片，保护原始图库。适合大批量拍摄且注重隐私的摄影师。
OtterHub：用 Cloudflare 与 Telegram 搭建私人云盘的无服务器方案
OtterHub 利用 Cloudflare Pages 和 Telegram Bot API，实现无需服务器维护的私人文件存储，支持大文件分片上传、视频流播，适合轻量级自用。
Track Policy：一图纵览全球AI法规与数据中心动态
Track Policy将分散的法案、数据中心项目与新闻整合于交互地图，助您快速把握区域监管风向，适合出海与算力调研。
SpokenType 实测：自带润色与 API 的 AI 语音输入新选择
SpokenType 不止于语音转文字，还能自动清理口语、整理表达，支持翻译、上下文回复与自定义技能，提供本地/云端双模式。本文实测其核心能力，帮你判断是否值得入手。
GEOFlow：开源自托管AI内容工厂，助你搭建自动化内容站
GEOFlow 是一款开源内容生产系统，面向 GEO 和 SEO 场景，提供素材管理、任务调度、审核流及前台展示，适合搭建自动化内容站。
macOS 本地语音输入新选择：Input 0，本地转录 + 自定义 LLM 润色
Input 0 是一款开源 macOS 语音输入工具，将语音转录在本地完成，并支持接入自定义 LLM 润色文本，适合对数据隐私敏感的用户。
飞搜FeiSou：全网公开飞书文档的聚合搜索利器，支持AI工作流接入
飞搜FeiSou聚合全网公开飞书文档，支持跨库检索、知识库聚合与Markdown导出，并提供API/Skill供AI助手调用，但免费版每日仅6次查询。
两天搭建巴菲特股东信双链知识库：AI 工作流实战解析
一位开发者用 Claude Code 两天搭建了巴菲特股东信知识库，将几十年信件转化为概念、公司、人物相互关联的网络，支持知识图谱检索，是 AI 工作流的绝佳案例。
Open MedKit：自托管AI库存管理，一句自然语言搞定录入与提醒
Open MedKit 是一款基于 Docker 的开源系统，支持自然语言录入、MCP 接入和 Webhook 推送，将库存管理与 AI 工作流结合，适合自部署爱好者。
2026 AI 编程订阅深度评测：Cursor、Copilot 与国产方案，谁更物有所值？
AI 编程订阅费用看似相近，实则差异巨大。本文从额度刷新、调用上限、中文 Token 消耗等维度，深入对比 Cursor、Copilot 及国产方案，助你精准决策。
Text2Voice：轻量在线文本转语音，免登录导出MP3
Text2Voice基于Edge TTS，提供免登录的在线文本转语音服务，可快速生成MP3，适合短视频、外语学习等轻度场景。
仅需5美元，DIY 一个基于 ESP32 的 Claude AI 助手
用5美元打造私人 AI 助手？MimiClaw 开源项目让 ESP32-S3 运行 Claude，支持 Telegram，低成本、私有化，适合硬核极客。
AI视频转写工具：开源多平台转录与AI摘要
基于Faster-Whisper和yt-dlp，支持30+平台，提供高精度转录、智能优化及多语言摘要，适合内容创作者与教育场景。
Hard Usernames：智能生成专属用户名，覆盖游戏与社交平台
Hard Usernames是一款免费无注册的AI用户名生成器，输入兴趣即可秒出多个风格化用户名，适配各类主流平台，助你快速锁定理想ID。
Python语音客户端：无需硬件，轻松体验AI小智的智能对话
py-xiaozhi是一个基于Python的AI语音客户端，让你无需专用硬件即可在电脑上体验实时对话、语音交互和智能家居控制，支持多协议与多模态功能。
Vibe Draw：让手绘草图秒变3D模型的AI利器
Vibe Draw是一款基于AI的2D草图转3D模型工具，支持草图美化、一键生成3D模型并编辑，可导出glTF格式，适用于设计师、开发者和创意爱好者。
腾讯混元T1模型刷新纪录，推理速度与成本双突破
腾讯混元T1深度思考模型发布，MMLU-PRO得分87.2，推理效率提升100%，成本大幅降低，已在腾讯元宝上线。
免费AI卡通生成器：一键将照片或文字变为卡通艺术
这款免费AI卡通生成器支持文生图与图生图，能将照片或创意秒变迪士尼、动漫、3D等风格，提供20+艺术风格，批量处理，4K输出，隐私保护，零门槛操作。
AI Fortune Teller：免费AI算命，精准解析事业爱情与财运
AI Fortune Teller结合传统命理与AI技术，提供免费在线八字测算，覆盖事业、爱情、财运等维度，生成个性化运势报告，助你洞察人生方向。
叮当好记：AI驱动的音视频转写与总结利器
叮当好记利用AI技术，将音视频内容高效转为结构化文字，支持多平台解析、翻译、总结及导出，适用于学习与办公场景。
Gemini Search：免费开源的AI搜索引擎，基于Gemini 2.0 Flash
Gemini Search是一款免费开源的AI搜索引擎，采用Gemini 2.0 Flash模型和实时网络搜索，提供引用、追问等功能，界面简洁现代。
Gemini Teacher：AI驱动的英语口语陪练，实时纠音更高效
Gemini Teacher 是一款基于 Gemini AI 的英语口语练习工具，支持实时语音识别、发音评估、语法纠正和情景对话，提供针对性指导，需 Python 3.11+ 环境。
Meta Imagine AI：用文字创造图像的智能工具
Meta推出的Imagine with Meta AI，基于Emu模型，输入文字即可生成图像。每轮生成四张1280x1280图片，带水印，需Meta账户，类似DALL-E 3和Midjourney。
一站式在线协作白板：Boardmix博思白板评测
Boardmix博思白板集AI生成PPT、思维导图、代码等多功能于一体，支持多格式导入导出，适合产品、设计、教育等场景，但需注册且有试用限制。