ai_media

本分类共 34 个项目。

返回 GitHub 项目分类目录

项目	Stars	简介
ACE-Step-1.5		ACE-Step 是一款高效开源音乐生成模型，可在消费级硬件上快速生成商业级质量音乐，支持精准风格控制与编辑。
jasna		Jasna 是免费 GPU 加速的马赛克恢复工具，支持视频和图像。
KittenTTS		开源语音合成库，支持免微调声线克隆、多语言及情感控制，CPU实时运行。
OpenMontage		开源 AI 视频制作系统，通过自然语言驱动 Agent 自动完成从研究、脚本、素材生成到剪辑合成的完整视频生产流程。
RedditVideoMakerBot		自动从Reddit获取内容并生成无需手动剪辑的短视频
Vision-Agents		实时视频 AI 代理，融合视觉模型与大语言模型，实现低延迟视频理解与交互。
claude-video		将视频转换为带时间戳的帧和转录文本，供 AI agent 分析。
speech-to-speech		使用开源模型在本地构建低延迟语音对话代理，无需云端服务或API密钥。
ComfyUI-KJNodes		ComfyUI扩展包，提供实用工具节点、模型优化及工作流增强功能，核心能力为跨子图Set/Get通信和节点快捷操作。
ComfyUI		ComfyUI通过可视化节点图界面让用户精细控制AI模型参数，高效生成图像、视频、3D及音频等内容。
FluidVoice		开源 macOS 语音转文字听写应用，支持本地 AI 智能增强、多模型选择与低延迟实时转写。
InvokeAI		InvokeAI是AI视觉创作引擎，提供图像生成、编辑与节点式工作流编排能力，助力创作者高效产出视觉内容。
KrillinAI		开源 AI 创作平台，集成视频翻译、图片生成、配音等工具，支持本地运行与 Agent 协作。
LTX-2		LTX-2 是基于 DiT 的音视频生成模型，支持文本/图像到高质量视频的同步音视频生成。
LongCat-Video		LongCat-Video是统一视频生成模型，支持文生视频、图生视频、视频续生成，擅长高效长视频创作。
OmniVoice-Studio		VoiceStudio是一款开源本地语音合成桌面应用，支持克隆音色、视频配音、语音设计与多语言生成。
OmniVoice		支持600+语言的零样本TTS，具备语音克隆、语音设计与快速推理能力。
OpenSuperWhisper		macOS 实时音频转录工具，基于 Whisper 模型将语音转为文字。
Pixelle-Video		Pixelle-Video 是 AI 全自动短视频引擎，输入主题即可自动生成文案、配图、语音、音乐和完整视频。
VoiceStudio		开源语音克隆与设计工具，支持视频配音、听写转录及有声书制作，覆盖646种语言。
YuE		YuE2是歌曲生成AI，可将歌词和风格描述转为带人声伴奏的完整歌曲，支持符号化编辑和翻唱。
autoclip		AutoClip是一款本地开源剪辑工具，贴链接即可一键生成适配多平台的短视频、封面和发布文案。
autoshorts		将长视频或音频自动转化为竖版短视频，并通过 AI 智能识别与排名爆款精彩时刻的桌面应用。
hyperframes		将HTML、CSS和动画转换为确定性MP4视频的开源框架，专为AI代理设计。
lingbot-map		流式 3D 重建前馈模型，利用几何上下文 Transformer 实现高效高精度三维重建。
meetily		Meetily 是一款隐私优先的本地 AI 会议助手，支持实时转录与智能摘要，所有数据均在本地处理。
video-use		AI对话式视频剪辑工具，自动去停顿、调色、加字幕动画，智能输出成片。
voice-pro		AI语音识别、翻译与配音工具，支持多语言及语音克隆。
workflow_templates		为 ComfyUI 提供工作流程模板和可复用子图组件，帮助快速搭建和分享 AI 工作流。
kokoro		轻量级开源TTS推理库，支持多语言文本转语音合成。
video-search-and-summarization		基于GPU加速的视频AI智能体，支持自然语言搜索、总结和可视化分析视频内容。
REAL-Video-Enhancer		REAL Video Enhancer 是一款支持帧插值与超分辨率的跨平台视频增强工具。
ace-step-ui		开源本地 AI 音乐生成工具，免费替代 Suno，支持生成带人声的完整歌曲和多种音乐风格
pocket-tts		轻量 CPU 文本转语音工具，支持低延迟流式输出、语音克隆与多语言。