分类导航
发现更多优质 AI 工具
OpenWhispr
OpenWhispr 平台使用指南平台介绍这是一款 开源跨平台语音听写/转录桌面工具，采用 MIT 协议。核心特色为支持 本地离线 Whisper/Parakeet 模型，音频可不上传云端；也可选择官方云服务或填入第三方 API 密钥；支持 Windows/macOS/Linux/iOS 系统，主打隐私优先的语音转文字、会议录音转写。主要功能全局快捷键听写：在任意软件中通过光标处进行语音输入文本，该功能支持离线使用。本地离线转写：模型下载到本机后音频不出设备，支持 100+ 语言识别，包含中文。会议录音转写：录制会议音频生成文稿，可自动区分发言人，并提供 AI 总结与要点提取。BYOK 自带密钥：允许用户填入 OpenAI、Groq 等第三方 API 密钥，复用自己的模型配额进行云转写。高级功能与接口：支持自定义词典、Agent 模式、跨设备同步、MCP 及 API 接口（部分功能需付费）。适用人群适合使用的群体注重隐私安全、处理敏感录音的职场人、律师、医疗从业者。需要离线语音转写的写作者、科研人员。Windows/Linux 用户（因为同类支持 Linux 的工具较少）。开发者，可查看源码并进行二次开发的用户。iOS 付费订阅用户（移动端高级功能）。不适合使用的群体重度团队协作需求的团队（需特定配置）。需要开箱即用、无任何配置门槛的普通入门用户。免费&付费情况定价页面：https://openwhispr.com/pricing请注意：付费仅接受境外信用卡，不支持微信或支付宝。具体套餐如下：免费版本地模型听写永久无额度限制，离线完全免费。OpenWhispr 云服务：每周提供 2000 词额度；每月包含 5 小时会议录音。自带第三方 API 密钥可使用户享受无限云转写。Pro（$6.67/人/月，支持年付）解锁无限官方云转写。每月提供 20 小时会议录音额度。包含 iOS 移动端访问、设备间数据同步、Agent 模式、API 访问权限及邮件支持。Business（$13.33/人/月，支持年付）拥有全部 Pro 能力。提供无限会议录音额度、数据问答功能及优先技术支持。Enterprise定制报价方案。包含 SSO/SAML 认证、审计日志功能及专属技术支持团队。如何使用下载安装：前往官网下载对应系统的客户端安装包，或访问 GitHub 编译源码。初始化设置：首次启动时跟随向导，三选一处理模式：①本地模型（需下载模型包，断网可用）②OpenWhispr 云登录账号 ③填入自己第三方 API 密钥。权限配置：授予麦克风、辅助权限；设置全局热键。开始听写：按热键说话，松开完成听写；也可导入音频文件做转录，或开始录制会议。注意事项本地模式资源消耗：大模型会占用内存/显存，低配电脑可能运行缓慢；云模式则必须访问外网。网络环境影响：国内用户直连访问官网/官方云服务网络不稳定，但使用本地模型不受网络影响。免费版限额说明：免费版官方云有词数和时长上限，如需无限制云转写，优先建议使用自己的 API 密钥。开源与闭源区别：桌面端客户端是开源的，但 OpenWhispr 云服务属于闭源商业服务，二者需区分对待。隐私安全警示：本地模式下音频完全留在本机；云模式下音频处理后即删除，但仍不建议上传极高敏感或涉密材料。移动端订阅限制：Pro/Business 套餐的 iOS 移动端访问仅对付费订阅用户开放。服务级别协议：无 SLA（服务等级协议）保障，企业级使用建议选 Enterprise 签订正式协议。准确性优化：自定义词典功能可以显著改善专有名词的识别准确率。
RicoUI‑Design
RicoUI‑Design 使用指南平台介绍开源的 DESIGN.md设计系统工作台，由独立开发者 Rico 出品。本项目旨在将 UI 设计规范以 Markdown 格式文档 呈现，用于为 AI（Cursor、Claude Code等） 提供网页前端生成的约束。该工具成功打通了 设计规范 与 代码输出 的链路，支持用户浏览、编辑并导出设计规范文档。主要功能浏览现成品牌 DESIGN.md规范模板（包含 Apple、Linear、Vercel 等）。提供 可视化编辑 面板，可修改颜色、字体、间距、组件、布局及响应式规则。导出完整 DESIGN.md 文本，直接复制给 AI 编码工具使用。支持导入已有 DESIGN.md文件 进行二次修改。预览规范效果，输出参考文档给前端开发使用。适用人群适合群体UI/UX设计师 与 前端开发者。使用 AI 写网页（Cursor、Windsurf、Claude Code） 的开发人员。需要将设计规范转成 AI 可识别提示文档的 团队。不适合场景普通作图 或 PS 类图形设计需求。免费付费情况完全免费 且 开源，无订阅套餐，无付费版本，无定价页面。部分配套素材模板在作者 Gumroad商店 单独售卖，不属于本网站功能。如何使用打开 design.ricoui.com。选择内置模板，或导入本地 DESIGN.md文件。在可视化面板修改色彩、字体、组件、布局规则。预览规范效果，导出完整 DESIGN.md文本。将导出内容粘贴到 AI编码工具，约束网页 UI 输出。注意事项仅输出 规范文档文本，不直接生成前端代码，需要搭配 AI 编码工具使用。浏览器 本地运行，云端不保存项目，修改后务必手动导出备份。面向 网页UI场景，不支持 APP、小程序完整规范。开源项目，无官方客服，稳定性随作者迭代变动。国内访问偶有加载慢，建议浏览器直接导出文件留存副本。
Obscura
obscura.sh1. 平台介绍定位与架构：基于 Rust 开发的轻量无头浏览器服务，面向 AI Agent、网页数据抓取场景。提供开源本地引擎与 Obscura Cloud托管云服务两种模式。核心特性：兼容 Chrome DevTools Protocol (CDP)，可替换 Headless Chrome。会话启动速度＜50ms，内存占用远低于原版 Chrome，每个会话完全隔离且无状态污染。2. 主要功能浏览器会话管理：支持页面访问、JS执行、点击交互、表单输入及数据提取。输出与伪装：提供图片截图、PDF文档生成及页面录屏；内置反检测stealth指纹伪装能力。协议兼容性：完全兼容 CDP 协议，原有 Playwright/Puppeteer代码仅需少量修改即可迁移适配。部署灵活性：支持两种模式——Docker自托管开源版与Cloud托管 API 服务，后者支持大规模并发会话。安全隔离：实现会话沙盒隔离，无 cookie/cache互相污染，确保任务可复现。3. 适用人群开发者群体：适用于 AI Agent开发、大规模网页爬虫、自动化测试等场景。技术团队：适合需要大量并发浏览器实例、希望降低 Chrome资源开销的团队。不适用场景：不适合普通用户日常网页浏览；不适用于复杂重度网页渲染、多媒体交互场景。4. 免费付费情况开源引擎模式：采用 Apache‑2.0许可证，可本地Docker部署，所有功能完全免费且无阉割。Obscura Cloud服务：提供托管 API 实例。无公开网页定价页面，需联系销售询价获取报价；仅支持境外支付。付费增值服务：包括托管云实例、住宅代理资源及技术支持（Cloud版配置）。5. 如何使用方式一：本地自托管（开源）通过Docker拉取镜像部署Obscura服务。项目直接复用 Playwright/Puppeteer库，仅修改CDP连接地址指向本地Obscura实例。执行自动化抓取、Agent网页访问任务。方式二：Obscura Cloud托管 API访问官网注册账号获取API Key。通过API快速创建隔离浏览器会话。使用 CDP/Playwright对接，完成页面操作，任务结束后自动销毁会话。支持横向扩容至上千并发会话。6. 注意事项网络稳定性：国内直连Cloud服务网络容易不稳定或超时；建议本地自托管以避免此问题。代理配置：开源版无内置代理，反爬需自行配置代理池；Cloud版代理属于付费增值项。渲染能力：虽然兼容 CDP，但部分重度网页、复杂WebGL页面的渲染能力弱于原版 Chrome。商业合规：Cloud无自助公开定价，商用前必须联系销售确认配额与SLA。法律风险：网页抓取需遵守目标网站的 robots 协议，规避相关法律风险。维护责任：开源版无官方 SLA，生产环境需自行维护监控体系。产品定位：非普通可视化浏览器，无 GUI界面，全部通过代码/API调用。
Archify
ArchifyArchify 是一个面向 AI Coding Agent（如 Cursor、Claude Code、Codex CLI 等）的开源 Agent Skill。它能将代码库或自然语言描述，直接编译并生成漂亮、可验证且带动态交互的架构与流程图。1. 平台介绍定位明确：并非普通的绘图工具或可视化拖拽软件，而是专为 AI Agent 设计的架构图/流程图 渲染与验证引擎。工作机制独特：AI Agent 负责生成类型安全的 JSON IR（中间表示），Archify 则负责严格的布局计算与校验，将其编译为独立的 HTML/SVG。特色效果显著：生成的 HTML 自带单文件离线交互能力，支持 暗黑/亮色主题切换、线路追踪（Route Probe）、上下游影响分析、finite 动画播放以及一键导出高分辨率 PNG/SVG/WebM 等。2. 主要功能5 种核心图表类型：Architecture（架构图）：展示系统组件、服务、存储、部署边界与信任域。Workflow（工作流图）：展示 CI/CD、工具调用、审批流及分支异常处理。Sequence（时序图）：展示 API 交互、缓存回退、异步消息传递等时间序列。Data Flow（数据流图）：展示数据管道、数据源/转换/存储及 PII 敏感边界。Lifecycle（生命周期图）：展示状态机、重试逻辑、等待状态及最终状态。Architecture Delta（变更对比）：支持对比两个版本，高亮显示组件和关系的新增、删除、移动与重定向（Before / Delta / After）。强校验与自动修补：包含自动布局、重叠检测与语义校验。如果 JSON 生成有误，Archify 会输出具名的错误代码与精确的修补指令（Repair Receipt），供 Agent 自动修复。高质量单文件输出：无需依赖外部 CSS/JS 库，直接打包为单一 HTML，支持导出社交/文档分享卡片格式（如 1200×630）。3. 适用人群软件架构师 / 全栈开发者：快速梳理现有代码库架构、绘制 API 时序图 或系统数据流。重度 AI Agent 用户：使用 Cursor、Claude Code 等工具写代码，希望 Agent 在 Chat 界面中直接生成高质量可交互架构图。开源项目维护者 / 技术文档撰写者：需要为 README、release note 或 PR 审查 提供统一风格且精确的架构展示图。4. 免费/付费情况免费模式：完全免费且开源（开源许可证为 MIT License）。开发者可以自由下载、修改和商业化使用，无需支付任何费用。付费方案：项目无任何付费/订阅方案（官方仓库没有付费页面）。5. 如何使用第一步：安装 Skill在你的终端运行 npx 命令，直接将 Archify 作为全局 Skill 添加到对应的 Agent 中：bash# 通用安装 npx skills add tt-a1i/archify -g # 如果使用 Cursor，可以使用非交互式安装命令： npx -y skills add tt-a1i/archify --skill archify --agent cursor --global --copy --yes 第二步：在 Agent 对话中发起请求安装完成后，在 Agent（Cursor / Claude Code 等）对话框里直接描述需求或分析代码：零代码库生成："Use Archify to draw: Browser -> API -> Redis cache -> PostgreSQL fallback."结合代码库分析："分析当前项目代码库，使用 archify 生成一个高层级运行时架构图，包含核心组件、主要链路和外部依赖。"第三步：迭代与调整生成的 HTML 会保存在本地，你可以直接在对话中通过自然语言微调，例如："加上 Redis 缓存节点""把 Auth 服务移到左侧""高亮回滚路径"6. 注意事项不是拖拽画板：它不提供 WYSIWYG（所见即所得） 的拖拽前端，也不支持直接解析 Mermaid 语法；它是为 AI Agent 输出“确定性与验证性图表”而设计的。控制节点数量：为了保证图形的可读性，建议单张图的核心节点控制在 8–12 个，较次要的上下文细节可通过 Card（卡片） 展开，而非一股脑连线。隐私与网络：Archify 生成过程完全在本地（Node.js）进行，不上传你的代码或 Prompt。默认只会每隔 72 小时 发起一次简单的 Stable Manifest GET 请求（用于检测更新），不会上传任何版本、Agent 或项目数据。禁用网络更新：若想完全禁用网络，设置环境变量即可：bashARCHIFY_UPDATE_CHECK_DISABLED=1
VibePrompt
vibeprompts.dev平台介绍面向Vibe‑Coding 氛围编程的前端风格提示词静态资源站，专门提供网页 UI 设计风格 Prompt，用于给v0、Bolt.new、Trae等 AI 代码生成工具使用，静态网页，无需后端账号登录。主要功能可视化风格卡片预览，涵盖极简、赛博、玻璃拟态、粗野、Neumorphism 等网页 UI 风格一键复制完整风格 Prompt，包含配色、排版、组件、交互细节描述支持筛选、搜索风格；部分风格附带示例预览效果复制后的提示词直接粘贴到 AI 编码工具，约束 AI 输出对应视觉风格的前端代码适用人群前端开发者、独立开发者，做 AI 快速原型（vibe coding）不会写复杂 UI 提示词，希望 AI 直接产出好看网页界面使用 v0、Bolt.new、Trae、Cursor 等 AI 编码工具的用户免费付费情况完全免费，无付费版本，无定价页面，全部提示词直接复制使用，无需注册、无需付费。如何使用打开 https://vibeprompts.dev/浏览风格卡片，看预览效果挑选目标 UI 风格点击卡片复制完整 prompt 文本打开 AI 代码工具（v0 / bolt.new / trae），把复制的风格提示词追加到你的业务需求描述后面，发送给 AI 生成代码。注意事项海外静态站点，国内直连可能加载慢、图片预览打不开，建议优化网络环境输出为英文提示词，粘贴给 AI 编码工具，中英文模型均可识别仅提供UI 风格约束，不包含业务逻辑，需要自己补充业务需求不同 AI 模型对 prompt 理解有差异，同一份提示词产出效果会浮动，需要微调网站无账号、无收藏功能，喜欢的提示词建议本地复制保存仅用于前端网页风格，不适合图片、视频生成场景
WhisperSubTranslate
WhisperSubTranslate 实用指南一、平台介绍类型：本地桌面工具（Windows）技术架构：基于 Whisper.cpp（语音识别） + 翻译模型核心特点：100% 本地运行（可离线），无需联网即可使用无需账号 / 无需上传视频，隐私安全有保障开源（GPL-3.0），源代码公开核心定位：实现 “视频 → 自动字幕（SRT）→ 多语言翻译” 的一体化工具二、主要功能字幕生成（核心功能）从视频音频中识别字幕（Speech-to-Text）支持 100+ 种语言 的语音识别字幕翻译离线翻译：内置 Hy-MT2 模型，无需网络在线翻译：可接入以下服务配置 APIMyMemory（免费）DeepLOpenAIGemini本地化优势视频文件不上传云端，数据不出本地支持完全离线处理流程所有处理数据均保存在本地实用功能扩展自动模型下载（无需手动配置环境）队列处理（支持批量任务）字幕时间轴修复（针对长视频同步优化）GPU / CPU 性能自动适配三、适用人群适合以下用户使用：🎬 视频创作者（如 YouTube / B站 UP 主）🎓 外语学习者（用于观看外语课程或教材）🎧 字幕翻译人员（用于本地化工作）🧑💻 技术用户（希望避免折腾 Python 或命令行）🔐 注重隐私者（不希望上传视频至第三方服务器）👉 特别推荐场景：长视频（如课程、访谈、会议录音）的字幕制作与多语言处理。四、免费 / 付费情况软件本身费用完全免费 + 开源无订阅制、无需注册账号可能产生的额外费用（可选）若选择使用“在线翻译 API"，需自行承担对应服务商的费用：MyMemory：免费使用，但有调用次数限制DeepL：提供少量免费额度，超出后按量收费OpenAI：付费模式，按 Token 数量计费Gemini：提供免费或低价额度（推荐低成本方案）定价参考说明翻译 API 需自行申请 Key 并遵循其官方定价五、如何使用下载与安装进入项目 Releases 页面下载 ZIP 压缩包解压后直接运行 .exe 程序即可启动生成字幕将视频文件拖入软件界面选择识别模型（推荐 large-v3-turbo）点击开始，自动生成 .srt 格式字幕翻译字幕（可选）选择翻译模式：本地模型（离线）或配置 API（在线高质量）导出文件输出标准的 SRT 格式字幕字幕可直接用于 VLC、各类剪辑软件等播放器六、注意事项功能边界限制❌ 不支持提取视频中已有的字幕轨道❌ 不支持识别画面中的文字（无 OCR 功能）硬件性能要求大模型需要一定的内存与显存（建议 2GB~8GB+）若无 GPU 也能运行，但速度会相对较慢翻译限制说明免费 API 存在调用额度上限处理长视频时建议优先选择 Gemini / DeepL 或本地模型长视频同步问题可能出现的字幕漂移现象解决方案：使用 Sync 模型 进行时间轴修复七、一句话总结本地 AI 字幕工具（识别 + 翻译） 免费、离线、无上传风险，非常适合长视频字幕制作与多语言处理。
Lieflat Charts
lieflat-charts一、平台与项目介绍项目名称：lieflat-charts。开发团队：moxt.ai 团队。核心定位：面向 AI Agent 的数据可视化 Skill（技能）。技术规范：基于 SKILL.md 规范开发。主要痛点：旨在解决常规 AI 直接生成图表时存在的“样式粗糙、无排版逻辑、色彩杂乱”等问题。核心价值：AI Agent 安装此 Skill 后，可直接根据数据生成设计感极强、支持交互的 HTML 独立图表或完整报告网页。二、主要功能特点三大核心视觉体系（64+ 种图表组件）Lupi 系（编辑叙事型）：采用发丝线、点阵、真实数据原子与大量留白，适合长文、论文、深度研报。Glance 系（快速判断型）：粗笔画、大数字、高对比度，主打"3 秒看清趋势与异常”，适合周报、Dashboard 与 PPT 汇报。Basics 系（基础型）：针对稀疏数据优化，重构经典的柱状图、折线图、环形图。完整 HTML 报告生成（Report Mode）模板数量：提供 12 款中英双语全页报告模板。适用场景：涵盖商业数据分析、财务研报、产品记录、个人 Log/海报等场景。配色与暗黑模式自动匹配：默认根据数据结构自动匹配 Mono（单色/灰阶）、Porcelain、Palm、Wire 等色彩预设。自定义支持：亦可由用户自定义品牌色。原生响应式与交互性技术栈：生成的均为原生纯 HTML/JS 页面。功能特性：自带优雅的动画、悬浮提示和高保真排版。环境要求：无需依赖任何第三方复杂的打包环境。三、适用人群AI Agent 开发者 / 高阶使用者：使用 Claude Code、Codex、Moxt 等平台的开发者，需让 Agent 具备高颜值出图能力。数据分析师 / 市场研究员：需要快速将 CSV、JSON 或论文研究数据转化为出版级图表或报告的从业者。产品经理与职场白领：需要高效制作周报、月报、Dashboard 汇报页面的用户。四、免费 / 付费情况开源费用：lieflat-charts 项目本身采用 MIT 许可证 彻底开源免费，代码公开在 GitHub。相关服务收费：运行该 Skill 所需的 AI Agent 平台（如 Claude Code, Codex 等）由第三方按各自标准收取 API/订阅费用。官方环境：若配合官方推荐的原生开发环境 Moxt 使用，可查看其官网：https://moxt.ai。安装成本：开源项目本身无定价页面，使用 GitHub clone 或 npx 安装全过程无额外费用。五、如何使用安装方式（二选一）命令行一键安装（推荐）bashnpx skills add https://github.com/larashero3-dotcom/lieflat-charts --skill lieflat-charts AI Agent 交互安装：终端直接发指令：“请帮我安装 lieflat-charts，Clone https://github.com/larashero3-dotcom/lieflat-charts 到 ~/.claude/skills/lieflat-charts（Codex 环境请改为 ~/.codex/skills/lieflat-charts）”常用 Prompt 调优示例做单图：输入指令“用 lieflat-charts 将这份 CSV 转换成 Glance 风格的图表，适合放到演示 PPT 中。”生成整页报告：输入指令“分析这份周报数据，提炼核心结论，用 lieflat-charts 生成一份完整 HTML 格式的数据汇报页面。”六、注意事项与踩坑点环境兼容性：需确保使用的 Agent 终端支持执行 Shell 命令或支持读取 SKILL.md 规范（如 Moxt, Claude Code, Codex 等）。图表数量控制：项目设计原则为“一图表达一独立结论”。单页报告建议图表数量不超过 6 张，过多图表会导致排版过于拥挤。颜色自定义原则：允许传入品牌主色（Brand Color），但建议保持其内建的阶梯对比度，避免传入过于刺眼或对比度极低的高饱和度色彩。触发词明确：默认 Agent 只会生成单个独立的图表；只有当 Prompt 中明确包含“报告”、“年报”、“白皮书”、“海报”等叙事词汇时，才会触发 12 全页模板生成模式。
Dashi PPT Skill
Dashi-PPT-Skill 精简实用指南一、平台介绍 Dash PPT Skill 是一个面向 AI Agent 的 PPT 生成工具。 核心功能：把文档交给 AI，自动生成完整 PPT，浏览器可直接编辑，一键导出 PPTX/PDF。 核心特点：生成加编辑加导出一体化流程生成结果本身就是一个网页 PPT 编辑器支持 AI 自动结构化内容二、主要功能自动生成 PPT根据文档或需求自动生成完整结构支持场景包括：分析报告、项目汇报、路演等多主题模板包含 12 套视觉主题提供 1000+ 页面版式支持整套风格一键切换可视化编辑（核心亮点）每一页带有控制台，包括滑杆和开关可调布局、模块数量、重点和配色文本可直接点击修改图表与分析模型支持甘特图、漏斗、桑基图、热力图支持 SWOT、波特五力、PEST 等分析模型导出能力支持 HTML（离线可用）支持 PDF支持可编辑 PPTX（重点功能）三、适用人群 适合使用场景：职场人（汇报、方案、复盘）咨询、投资、分析人员产品经理、运营人员AI Agent 使用者（如 Claude、Codex）不太适合的场景：需要像素级设计的设计师场景四、免费与付费情况：开源免费，采用 AGPL-3.0 协议允许商业使用，但如果做 SaaS，需要开源你的修改代码补充说明：无官方定价页面，暂未提供付费套餐有商业授权需联系作者，非公开定价五、如何使用（最简流程）安装执行命令：npx dashi-ppt-skill@latest环境要求：Node.js 20+，本地浏览器用于导出生成 PPT给 AI Agent 输入指令：帮我用这个 skill 生成一份 PPT（主题加页数加受众）操作流程输入需求，包括主题、受众、页数选择模板风格自动生成内容结构浏览器中直接编辑导出 PPTX 或 PDF编辑方式点击文字直接修改拖拽图片进行替换使用控制台调整布局、配色和模块六、注意事项（重要）必须本地运行不适合纯网页 ChatGPT 使用需要本地 Node 环境导出依赖浏览器必须安装 Chrome 或 Edge否则无法导出 PPTX/PDF内容安全文档不会上传服务器全部本地处理，隐私友好Token 成本高（AI 侧）10 页 PPT 约消耗 10 万 tokens，成本较高自定义受限不支持完全自由设计，为了稳定输出七、一句话总结 它不是单纯的 PPT 生成器，而是 AI 加可编辑 PPT 系统。 核心价值： 快速生成结构，同时保留可控编辑能力
DBX
DBX 平台使用指南一、平台介绍DBX 是一个开源数据库工作台（Database Workspace），把数据库日常操作（连接、SQL、数据查看、结构分析、AI 辅助等）整合到一个工具里。核心特点：一个工具管理 70+ 数据库支持桌面版 + Docker 自托管 Web 版内置 AI 助手强调“轻量 + 高效工作流”完全开源免费二、主要功能1. 数据库连接支持多种类型：MySQL / PostgreSQL / Redis / MongoDB / Oracle 等支持 SSH 隧道、代理连接，解决内网访问问题2. SQL 编辑器提供自动补全、语法高亮、格式化功能记录查询历史，方便回溯支持选中执行 SQL 脚本3. 数据管理（类似 Excel）表格查看、筛选、排序行内编辑 + SQL 预览支持数据导入/导出4. 数据库结构分析Schema 浏览生成 ER 图字段血缘分析Schema 对比（环境差异）5. 数据迁移与同步数据导入/导出SQL 文件执行跨数据库传输6. AI 助手自然语言生成 SQL查询解释与优化错误修复建议7. 自托管访问Docker 部署浏览器访问（适合团队共享）三、适用人群适合以下用户：开发者 / 后端工程师日常写 SQL、查数据、调试数据库数据分析师快速查询、导出数据、做分析运维 / DBA管理多数据库环境做结构对比、数据迁移团队协作用 Docker 部署统一数据库入口四、免费 / 付费情况✅ 完全开源（免费）❌ 官网暂无商业付费版本或定价页面AI 功能需要自行提供 API Key（如 OpenAI）产生费用来自第三方接口，官方不直接收费五、如何使用（快速上手）参考官方指南：https://dbxio.com步骤（简版）：安装：下载桌面版 / 或 Docker 部署新建连接：选择数据库类型，填写 host / 用户名 / 密码测试连接：成功后保存配置开始使用：写 SQL、查看数据、分析结构六、使用注意事项生产环境谨慎操作：所有修改操作建议先查看 SQL 再执行，防止误操作AI 生成 SQL 不会自动执行：必须人工确认（防误删数据）连接安全：密码单独加密存储，支持 SSH 隧道访问内网数据库环境区分：建议用颜色区分：开发 / 测试 / 生产环境版本适用性：桌面版适合个人使用；Web 版适合团队共享七、一句话总结👉 DBX = 轻量级 + 多数据库 + AI 辅助的一体化数据库管理工具（开源免费版 DataGrip 替代）
LuxTTS
LuxTTS 完整指南一、平台介绍LuxTTS 是一个开源的文本转语音（TTS）+ 声音克隆模型，主要特点如下：极快速度：推理速度约为 150 倍实时。高质量语音：输出采样率为 48kHz（高于常见的 24kHz）。轻量可本地部署：仅需约 1GB 显存 即可运行。👉 本质定位： 这是一个“可本地运行的高质量语音克隆引擎”，非常适合用来替代传统的云 TTS 服务。二、主要功能1. 声音克隆（核心卖点）零样本克隆：无需训练即可实现。同音色生成：使用一段参考音频 → 直接生成同音色的语音。2. 高质量语音输出高音质：支持 48kHz 采样率，远超行业平均水平。自然语调：拥有更自然的韵律（Prosody）。3. 超高速推理GPU 加速：最高可达 150x realtime。CPU 可用：支持在 CPU 环境下实时生成（适合弱算力设备）。4. 风格控制（进阶）多参数控制：可精细控制语速、情绪、音量。采样调优：支持调整 sampling 相关参数以获得最佳效果。5. 轻量 & 可部署显存低：仅需约 1GB 显存。多环境支持：兼容本地环境、Colab 云端以及 HuggingFace Spaces。三、适用人群该项目明确适合以下三类用户群体：技术类开发者AI 开发者（构建语音系统 / 数字人）。后端工程师（开发语音 API 接口）。开源玩家或希望自部署的用户。内容创作者视频配音（如 YouTube、抖音）。播客制作或有声书录制。AI 虚拟人构建。企业应用场景呼叫中心（客服语音）。教育与无障碍语音辅助。游戏内的动态语音生成。四、免费 / 付费情况✅ 开源政策（当前）License：采用 Apache-2.0 协议。商用权限：允许商用（需遵守相应协议）。🚫 付费服务说明无官方 SaaS 定价：不存在官方收费套餐。无官方 API 计费：没有官方的 API 调用计费页面。👉 关于“付费”： 通常涉及成本的方式是使用第三方部署平台（如 fal.ai）或支付云 GPU 运行成本。五、如何使用1. 安装依赖bashgit clone https://github.com/ysharma3501/LuxTTS.git cd LuxTTS pip install -r requirements.txt 2. 加载模型pythonfrom zipvoice.luxvoice import LuxTTS lux_tts = LuxTTS('YatharthS/LuxTTS', device='cuda') 3. 准备参考声音（关键步骤）输入文件：例如 audio.wav。编码处理：执行以下代码进行编码。pythonprompt_audio = "audio.wav" encoded = lux_tts.encode_prompt(prompt_audio) 4. 生成语音文本输入：如 "你好，这是一个测试"。执行生成：调用 generate_speech 函数。pythontext = "你好，这是一个测试" wav = lux_tts.generate_speech(text, encoded) 5. 保存音频文件使用 soundfile 库将生成的波形数据保存为文件。pythonimport soundfile as sf sf.write("output.wav", wav.numpy(), 48000) 👉 一句话总结流程： 文本 + 参考声音 → 输出克隆语音六、进阶参数在使用模型时，可通过以下参数进行调优：num_steps作用：数值越大音质越好，但速度越慢。推荐值：3~4 为性价比最高区间。t_shift作用：用于在发音准确性和整体音质之间进行权衡。speed作用：控制生成语音的语速快慢。rms作用：控制输出音频的整体音量。return_smooth作用：启用或关闭降噪/平滑处理功能。七、注意事项参考音频质量决定上限时长建议至少 3 秒以上。音频需清晰，避免背景噪音过大。首次运行慢（正常现象）加载 librosa 库初始化约需 10 秒，属正常等待时间。多语言支持不稳定Issue 中反馈存在混合语言问题。部分发音异常情况可能出现在非英语或中文混合场景。常见问题与解决出现杂音或截断：尝试调低 t_shift 值或增加 num_steps。声音不像原音：建议更换更高质量的参考音频片段。硬件建议GPU 推荐：≥ 8GB 显存运行更稳定。CPU 模式：可用但生成性能有限，适合轻量任务。八、优缺点总结👍 优点列表开源可商用：协议宽松，商业风险低。极快推理速度：在同类模型中表现行业领先。资源占用轻量：本地可跑，适合个人或小团队。声音克隆能力强：零样本效果优秀。👎 缺点列表无官方 UI：需要自行开发前端界面或集成。多语言支持待完善：中文及部分小语种仍在优化中。技术门槛要求：需要一定的 Python/深度学习背景。
有戏
有戏 AI 使用指南平台介绍风平智能旗下的国内 AI 短剧一站式网页创作平台。使用方式：无需客户端，直接在浏览器中使用。核心流程：把剧本自动拆解分镜、AI 生图、图生视频、配音对口型全链路打通。专注领域：专门做漫改短剧、AI 微短剧。导出优势：支持导出剪映草稿工程文件，不用后期重新剪辑。注册门槛：需要手机号注册，内测阶段部分情况需要邀请码。主要功能剧本解析：支持最高5 万字剧本导入，自动分集、拆分分镜、识别角色/台词/场景；也可利用 AI 随机生成剧本底稿。角色锁一致性：锁定人物形象，跨分镜、跨集保持人物长相穿搭统一。批量生图&转视频：故事板批量生成画面，一键图生视频；支持剧情模式、旁白解说模式两种项目类型。AI 配音对口型：多音色 TTS，自动台词对齐口型，可单独调整每段语速语调。导出能力：输出MP4 成片或剪映草稿工程文件，字幕、音频、片段自动对齐，方便二次精细修改。算力消耗说明：生图、生视频需消耗平台算力（积分），文本剧本解析不扣算力。适用人群✅ 适合人群：短剧创作者、自媒体运营、漫剧/图文短视频博主、MCN 小团队、剧本爱好者。❌ 不适合人群：专业电影级生产需求用户；无剧本只想随手生成短视频的普通用户。免费&付费情况免费部分详情新用户福利：注册赠送初始算力（100‑200 算力，版本浮动），可体验完整功能；邀请奖励：邀请其他用户注册可免费获取额外算力；消耗规则：所有生成功能均会消耗赠送的或购买的算力。付费与充值详情购买方式：充值购买算力包（无公开独立定价网页）；查看路径：登录平台后进入个人中心→算力充值页面查看具体价格；入口链接：https://youxi.fullpeace.net → 个人中心→算力充值页面。如何使用注册登录：浏览器打开官网，使用手机号注册，部分场景需填写邀请码登录。新建项目：首页点击【开始创作】，填写剧名，选择「剧情模式」或「旁白解说模式」。编写剧本：导入剧本文本，或者利用 AI 生成剧本底稿，系统自动生成分镜；支持手动修改台词、提示词、角色设定。生成分镜：进入故事板页面，批量生图，预览画面；不满意可单独重绘分镜。制作视频：批量生成视频，设置配音音色、语速，开启 AI 对口型功能。导出成果：输出MP4 视频文件，或者导出剪映草稿至本地剪映（PC 版）继续编辑。注意事项算力与稳定性：生成图片、视频均消耗算力，批量生成时算力消耗较快；内测版本批量任务偶有失败或卡住，需要重新提交任务。角色一致性限制：角色一致性不能保证 100% 完美，复杂镜头仍会出现人物崩坏，重要镜头建议单独重绘。导出兼容性：导出剪映草稿仅适配剪映 PC 版，手机剪映不支持工程草稿导入。版权与合规：平台生成内容商用需要自行确认授权，短剧发布需遵守短视频平台审核规则。版本动态调整：处于迭代内测阶段，功能、算力赠送额度、充值价格会不定期调整。剧本上传建议：大剧本一次性导入时，建议分段上传，以减少解析失败概率。
百度生花
百度生花使用指南一、平台介绍百度生花是百度旗下的 AI 短剧/短视频创作平台。该平台面向 短剧创作者、内容商家，主打 脚本直接生成 AI 短剧成片 的能力。平台支持 分镜编辑、数字人 应用及 批量生产，并可实现一键分发至 百家号/百度系流量渠道。技术底层依托 文心大模型 与 蒸汽机视频模型，采用 Web 网页端 操作模式，用户 无需下载客户端。二、主要功能脚本生短剧：支持粘贴完整剧本，由 AI 自动拆分镜头并生成完整 AI 短剧；适配 竖屏 9:16 比例，符合 短视频平台 发布规范。分镜可视化编辑：支持对单镜头进行提示词修改、画面替换、时长调整及数字人形象更换等精细化操作。数字人能力：内置多种 数字人 形象，支持台词配音、多音色选择，并提供 方言 支持。素材库：提供人物、场景、道具等 模板素材；支持 图生视频 功能，可将单图扩展为动态片段。成片处理：自动添加字幕与背景音乐，最终导出标准 MP4 格式视频。一键分发：支持直接发布至 百家号，对接百度内容流量；提供作品管理及历史工程保存功能。三、适用人群适合人群：短剧创作者、自媒体、MCN 机构、电商商家、百家号内容从业者，适用于批量制作剧情类短视频的需求。不适合场景：需要 电影级高精度影视制作 的场景；需要本地化部署及私有化环境的项目。四、免费付费情况免费额度：新用户注册后会赠送一定创作积分；每日提供少量免费额度；生成短剧会消耗积分，免费额度仅适合少量测试使用。付费模式：采用 积分预付费 机制，用户需购买积分包后消耗积分进行生成；长剧集、高清画质、数字人功能会消耗更多积分。定价页面：具体积分购买链接为 https://shenghua.baidu.com/videoplatform/buy；无按月订阅模式，按消耗计费；企业大客户可联系商务洽谈定制套餐。五、如何使用打开浏览器访问 https://shenghua.baidu.com/videoplatform/home 网址。使用 百度账号 扫码完成登录认证。新建项目，选择粘贴完整剧本脚本；或直接使用 AI 生成脚本。AI 自动将脚本拆分为分镜，支持预览每个镜头；可手动修改镜头画面描述、人物设定及时长。设置分辨率、音色、背景音乐参数，点击生成视频（消耗对应积分）。等待渲染完成后预览成片，支持二次微调调整；最后选择导出 MP4 或一键分发至 百家号。进入“我的作品”模块管理所有工程，支持反复编辑旧项目文件。六、注意事项网络环境：国内网络可直接访问，无需特殊网络配置；高峰期渲染可能需要排队，长剧等待时间较长。积分限制：免费积分额度有限；大量批量生产务必购买积分包，额度耗尽后将无法生成视频。画面质量：AI 生成画面可能出现人物五官崩坏或动作怪异，建议对重要镜头进行单独重生成。版权规范：平台生成内容仅限合规商用；不允许生成暴力、色情、侵权剧情，违规可能导致账号封禁。视频水印：导出视频默认带有水印，部分付费档位可去除平台水印。脚本要求：脚本质量直接决定成片效果，尽量写清楚镜头描述，避免仅写对话内容。文件备份：工程文件采用云端保存，建议对重要成片进行本地下载备份，防止平台清理过期项目。审核机制：分发至百家号需遵守平台内容审核规则，AI 短剧也会经过机器审核，请确保内容合规。