分类导航
发现更多优质 AI 工具
RVC
RVC1. 平台介绍Retrieval-based Voice Conversion WebUI (RVC) 是一个开源的 V2V（Voice-to-Voice，语音到语音） 声音变换与克隆框架。它基于 VITS 架构 与 基于特征检索（Retrieval-based） 的技术改进，核心能力在于能够把源音频的音色替换为目标 Speaker 的音色，同时保留原语音的 语调、情感和节奏。2. 主要功能推理转换（AI 翻唱 / 变声）：支持上传干声/语音并选择模型以生成目标音色的音频。用户可调整 变调（Pitch）、变音算法（如 RMVPE, PM, Harvest, Crepe）及音色融合度。模型训练（声音克隆）：仅需 10~20 分钟 干净的目标语音干声即可训练出专属音色模型。实时变声（GUI）：配合虚拟音频线（如 VB-Cable）与低延迟驱动（ASIO），可在 Discord、游戏、直播等场景中实现低延迟实时变声。辅助工具：人声伴奏分离：内置人声与伴奏切分工具。模型融合（Ckpt Merge）：可将多个音色权重进行比例叠加，混合出新的音色。3. 适用人群VTuber / 游戏主播 / 内容创作者：用于实时变声或制作角色语音包。AI 音乐爱好者：用于制作 AI 歌手翻唱（AI Cover）。配音员 / 音频工程师：用于修正人声音效或做音色替换。4. 免费/付费情况完全免费与开源：项目基于 MIT 许可证 开源，费用为 100% 免费，支持离线部署运行。源码与更新地址：项目托管于 GitHub - RVC-Project/Retrieval-based-Voice-Conversion-WebUI。5. 如何使用（快速上手指南）硬件与环境准备操作系统：支持 Windows / Linux / macOS。硬件建议：推荐使用 NVIDIA 显卡（建议 6GB 及以上显存；纯 CPU 可运行但推理/训练极其缓慢）。下载与启动从 GitHub Release 页面下载整合包（预安装环境与依赖）。解压后点击 go-webui.bat 启动 WebUI 界面，默认会自动打开浏览器访问 http://127.0.0.1:7865。（如需实时变声）运行 go-realtime_gui.bat。音色推理（转换声音）切换到 “模型推理” 选项卡。将训练好的 .pth 模型文件放入 assets/weights/ 目录，将对应 .index 文件放入 assets/indices/。点击“刷新音色列表”，选择目标模型。上传需要转换的音频文件。调节关键参数：变调（Pitch/Key）：男声变女声通常设置为 +12，女声变男声 -12；若是同性别翻唱保持 0。音高提取算法：优先推荐 RMVPE（效果最好且速度快、不哑音）。检索特征占比：建议保持 0.6 - 0.75，防止漏音。点击 “转换” 并导出音频。模型训练（自制音色）切换到 “训练” 选项卡。步骤 1：输入实验名称，选择采样率（推荐 40k/48k）与是否包含音高 F0。步骤 2a：指定训练干声文件夹路径，点击“处理数据”。步骤 2b：选择 RMVPE 算法提取特征和音高。步骤 3：设置总训练轮数（Epoch，建议 100~300），点击“训练模型”与“训练特征索引”。6. 注意事项数据质量决定一切：训练素材务必使用无噪音、无伴奏、无重度混响的 干净干声。有杂音的数据会导致输出有电音或破音。版权与肖像权安全：切勿将未经授权的他人音色模型用于公开发布、商业用途或欺诈行为。算法选择：推理和提取音高时优先使用 RMVPE。以前常用的 Harvest 耗时极长，PM 容易变哑音。路径不能包含中文：存放 RVC 项目文件及音频数据集的目录路径中 严禁包含中文或特殊字符，否则容易引发 PyTorch 加载报错。
GPT-Image2
GPT-Image2 工业级提示词引擎平台GPT-Image2.canghe.ai 是由知名开发者 苍何 推出的 GPT-Image2 工业级提示词引擎与视觉案例展示平台。该平台将 GPT-Image2 的 Prompt 抽象为“可重用的代码”（Prompt as Code），提供实战案例库、提示词复制、交互式在线绘图测试及 Agent 技能扩展。一、平台介绍核心定位：GPT-Image2 工业级提示词引擎、视觉案例工坊与 Prompt 模板库。平台主页：https://gpt-image2.canghe.ai开源生态：开源于 GitHub 仓库 freestylefly/awesome-gpt-image-2。二、主要功能爆款案例展示库：提供涵盖摄影人像、电商产品、品牌 Logo、插画艺术、UI 海报等多种场景的优质案例。一键复制 Prompt：直观展示精准调校的完整提示词，支持一键复制直接使用。在线生成测试：登录后可在网页端输入提示词并调用 GPT-Image2 模型直接生成图片。风格与场景筛选：按案例分类、风格标签（如 3D、超写实、复古海报等）快速检索。Agent Skills & MCP 集成：提供本地 Agent 命令行工具，可直接将风格库嵌入 Claude Code、Cursor 等 AI 开发工具中。三、适用人群AI 绘画 / 视觉创作者：寻找高清案例参考与精准 Prompt 结构。电商运营与设计师：生成产品图、营销海报、UI 概念图及带精确文字的设计稿。AI 开发者 / Agent 工程师：将 GPT-Image2 提示词库接入本地 Agent 辅助开发。四、免费与付费情况平台采用部分功能免费 + 增值付费社区的形式：免费功能：案例浏览、提示词复制、开源 GitHub 模板库均免费开放。付费社群：价格：一次性支付 ￥9.90（支付宝付款）。权益：解锁 GPT-Image2 核心交流群二维码及技术讨论资源。API 扩展合作（生成/算力）：平台引荐了第三方 API 服务商（如 hiapi、APIMart），新用户注册赠送额度，后续按量计费。最新定价与社群方案查看：进入网站后点击页面上的 Community / 付费社区 标签查看最新支付与进群说明。五、如何使用浏览与搜图：打开网页，根据顶部分类（如 Products、Illustration、Posters）挑选心仪的视觉效果。复制提示词：点击案例卡片上的 Copy Prompt 按钮即可复制完整的提示词（含变量或特定结构）。在线测试：点击 Generate Test，使用 Google 账号 登录后，即可在网页端在线调用 GPT-Image2 模型体验出图。本地开发者集成：在终端运行命令，将风格库添加至 Claude Code 或 Cursor 等工具中：bashnpx skills add freestylefly/awesome-gpt-image-2 --global --all --copy 六、注意事项登录限制：在线生图功能依赖第三方 Auth 验证（Google 登录），请确保网络连接通畅。生成额度与接口：在线生图可能受到 API 代理额度限制，如需大批量生图，建议配合后端 API（如 hiapi 等）或本地 Client。Prompt 占位符处理：部分工业级 Prompt 包含 {Object}、{DESTINATION} 等占位符，复制后需根据自己的需求替换其中的关键字再提交生图。
Xagent
XAgent 平台使用指南一、平台介绍核心理念：倡导“描述结果，而非工作流（Describe tasks. Not workflows.）”。差异化特点：区别于 Dify / Coze 等依赖硬编码拖拽式 Flowchart（工作流）的平台，Xagent 强调自主规划（Dynamic Planning）与工具调度。用户只需输入最终目标，平台即可自动进行任务分解、工具调用、自我评估与迭代交付。核心定义：由 Xorbits 团队开源的面向个人、团队与企业的动态任务执行引擎与 AI Agent 协作平台。二、主要功能动态任务规划 (Dynamic Planning)根据目标在运行时（Runtime）自动拆解多步骤子任务。支持自动反射机制，遵循“计划→执行→反思”的流程逻辑。支持条件分支执行，适应复杂场景。工具与能力集成 (Tools & Knowledge Integration)模型支持：原生对接 OpenAI、Claude、DeepSeek、通义千问、Zhipu 等主流 API。私有化部署：无缝集成自建的 Xinference 本地/私有化模型。知识库与扩展：内置 RAG 知识库检索，支持文件读写分析及分析能力。插件规范：支持 MCP (Model Context Protocol) 插件规范及自定义 API 扩展。多 Agent 协作工作流 (Workforces Pattern)支持构建复杂的分布式 Agent 团队（如：规划者 + 调研员 + 程序员 + 审核员）。实现多角色协同分工，处理复杂业务逻辑。可复用 Agent 模版可将探索成功的单次任务模式（提示词、特定工具链、知识库权限）打包发布为模版。供团队内复用，降低重复开发成本。全流程可观测性 (Observability)实时跟踪 Agent 执行状态。提供思考日志、工具调用详情及 Token 消耗统计视图。三、适用人群个人开发者 / AI 玩家：需要比纯 Chat 界面更强的本地自动化 Agent 工具，适用于长文本处理、复杂数据分析及自主调研场景。团队 / 研发小组：需要将日常重复的业务逻辑打包成固定的 Agent 工具链，从而提升协作效率。企业级开发者：基于私有模型（如通过 Xinference 部署）搭建企业内部知识库、合规工具链与多 Agent 业务系统的专业团队。四、免费与付费情况开源状态：Xagent 核心代码完全开源，基于标准开源协议开放，个人与企业均可免费自建部署。社区自建版：免费。支持使用全量功能，仅需自行承担模型 API 消耗或本地显卡算力费用。商业服务与定价：关于 SaaS 云服务、企业级 SSO 或专属服务支持的最新动态。建议随时查看官方定价页面（[https://docs.xagent.co/](https://docs.xagent.co/)）获取最新信息。五、如何使用方式 1：单机快速安装（推荐体验）确保环境满足 Python 3.11+ 要求。执行安装命令：pip install xagent-ai （或使用 uv tool install xagent-ai）。启动服务：运行 xagent 命令。浏览器访问 http://127.0.0.1:8000。在 /setup 页面创建管理员账号，并配置 LLM Provider 即可开始使用。方式 2：Docker 容器化部署（适合团队/服务器部署）克隆仓库并配置环境变量： 运行 git clone https://github.com/xorbitsai/xagent.git 后进入目录 cd xagent。复制示例环境文件：执行 cp example.env .env。一键启动 Docker 服务：运行 docker compose up -d。浏览器访问 http://localhost:80 进入 Web UI 管理界面。六、注意事项模型能力要求：由于采用动态规划（Dynamic Task Planning）模式，Agent 的逻辑推理与工具调用非常依赖底层 LLM 的质量。建议优先选用 Reasoning 能力强或 Tool Call 效果好的模型（如 Claude 3.5 Sonnet、GPT-4o、DeepSeek-V3/R1）。死循环与 API 消耗：Dynamic Engine 在无法完成任务时可能会自主尝试多次重试。建议在后台系统设置中配置单次任务的最大步数（Max Steps）与 Token 阈值，避免无限循环导致 API 账单超支。环境隔离与安全：若允许 Agent 执行 Code/Bash 工具，请确保运行在 Docker 或隔离的虚拟环境中，避免对宿主机敏感数据产生潜在风险。
Code2Video
Code2Video 使用指南Code2Video 是由新加坡国立大学（NUS）Show Lab 开发的开源 AI 项目，该项目已接收于 ICML 2026。它提出了一种以代码为中心（Code-centric）的教学视频生成新范式，通过生成并执行 Manim 代码来创建高质量的科普与教学视频。一、平台与项目介绍官方开源地址：访问 GitHub - showlab/Code2Video 获取最新源码。核心理念：传统 AI 视频生成（如 SORA、Runway 等像素级生成模型）在处理逻辑严密、结构复杂的教学或数学视频时易出现内容幻觉或字迹模糊。Code2Video 引入大语言模型生成 Python 的 Manim 动画代码，利用代码控制视频的时间轴与空间布局，实现精确、高清晰度且可重现的教学动画。二、主要功能多 Agent 协作生成（Modular Tri-Agent Design）：Planner（规划器）：将输入知识点拆解并扩写为视频脚本分镜。 Coder（代码生成器）：自动合成并调试 Manim 代码。Critic（审查与优化器）：结合多模态大模型（VLM）评估画面布局与视觉效果，迭代修正渲染效果。知识点自动转换为动画：输入任意自然语言知识点（如“矩阵线性变换”、“傅里叶级数”），自动生成配套动画与讲解视频。集成图标与素材库：支持通过 IconFinder API 自动匹配并下载相关图标素材，丰富画面表现力。内置评估基准 MMMC：提供包含 117 个精心挑选的教学主题基准（受 3Blue1Brown 启发），用于评测视频的知识传递效率与美观度。三、适用人群教育工作者与教师：快速制作精确的科普课件与数学/物理概念动画。科普/自媒体内容创作者：高效生成 3Blue1Brown 风格的精美讲解视频。AI & 计算机视觉研究人员：探索 Agentic 代码生成、多模态代码驱动视频生成方向。四、免费与付费情况开源免费：项目代码本身完全 开源免费，采用 MIT 开源协议。第三方 API 成本（使用过程中产生）： 3. LLM / VLM API 费用：项目依赖第三方大模型 API 服务，需自行付费购买 API Token。 4. LLM/VLM 推荐选型：官方建议使用 Claude-4-Opus 生成代码，使用 Gemini-2.5-Pro 用于布局优化。 5. IconFinder API 费用（可选）：若需要自动抓取图标素材，可使用 IconFinder 免费配额或购买套餐。官方定价方案网址：项目本身无官方付费版，调用的第三方 API 定价可参考各自官方页面： 7. Anthropic (Claude) 定价页面：https://www.anthropic.com/pricing 8. Google AI Studio (Gemini) 定价页面：https://ai.google.dev/pricing五、如何使用（快速上手）1. 环境准备与安装克隆项目仓库并进入代码目录：bashgit clone https://github.com/showlab/Code2Video.git cd Code2Video/src pip install -r requirements.txt 注：需确保系统已安装 Manim Community (v0.19.0) 及其依赖环境（如 System 级别的 ffmpeg、LaTeX 等），否则后续渲染可能会失败。2. 配置 API Key在 src/api_config.json 中配置所需的密钥： 2. LLM API（Planner 与 Coder 使用）。 3. VLM API（Critic 使用，如 Gemini 密钥）。 4. IconFinder API Key（可选，用于自动收集图标）。3. 运行生成脚本单个知识点生成模式：bashsh run_agent_single.sh --knowledge_point "Linear transformations and matrices" 批量基准测试/多主题生成模式：bashsh run_agent.sh 六、注意事项渲染环境依赖：由于底层依赖 Manim 引擎，宿主环境必须提前配置好 ffmpeg 及 LaTeX 渲染器，否则代码合成后可能会因环境缺失导致渲染失败。API 选型影响质量：高质量的 Manim 代码极其依赖大模型的能力。官方建议代码生成优先选用 Claude-4-Opus，视觉批评（Critic）优先选用 Gemini-2.5-Pro，使用效果一般的模型可能会导致代码编译报错率升高。生成的渲染时间：与基于像素扩散的模型不同，代码渲染的时间主要取决于 Manim 本身的渲染逻辑与 CPU/GPU 性能，复杂动画渲染可能需要一定计算时间。
Google Code Wiki
Google Code Wiki 平台指南一、平台介绍与定位核心定义: Google Code Wiki (codewiki.google) 是谷歌推出的 AI 驱动代码文档生成 与 代码库理解 专用平台。核心价值: 解决了 “代码阅读”作为开发效率最大瓶颈 的问题，旨在替代传统静态/易过期的 README 文件。主要产出: 为整个 GitHub 仓库自动生成并维护动态的、结构化的文档系统。二、核心功能特性自动化动态文档:自动解析代码库的架构、模块、API 和类定义；当发生 Commit/PR 合并 等更新时，文档会自动重新生成并保持实时同步；智能超链接跳转:文档中出现的任何概念、函数或类的描述均直接附带原代码文件与具体行数的跳转链接；架构图表自动生成:自动绘制架构图（Architecture Diagram）、序列图（Sequence Diagram）及类图，图表会随代码更新自动重绘；Gemini 驱动的代码对话:基于当前仓库的全量文档作为知识库提供实时 AI Q&A；回答中准确附带关键位置的 代码行级引用；AI 音视频概览:结合类似 NotebookLM 的技术，自动生成代码库的高级结构与架构流转的音视频导读。三、适用人群与场景开源项目贡献者 / 新入职员工: 快速理解陌生代码库，将 Onboarding（入职引导）成本降至最低；资深开发者 / 系统架构师: 在几分钟内理清大型或复杂项目的模块划分与底层技术架构；代码审查者 (Reviewer) / 维护者: 快速核对 PR 修改的影响范围，免除手动维护文档的繁重负担。四、免费与付费现状当前服务状态:**完全免费（Public Preview）**阶段；公共仓库开放使用，支持直接查询或提交 GitHub 公开仓库进行索引生成；私有/企业级支持计划:Google 正在开发 Gemini CLI extension，用于在本地/企业私有环境运行 Code Wiki；目前私有库功能处于 Waitlist 申请阶段；官方入口及定价页面链接:平台主页：codewiki.google；官方更新与公告页面：Google Developers Blog。五、使用指南直接网址拼接（最快捷）:在浏览器地址栏输入格式为 codewiki.google/github.com/<owner>/<repo>；例如查询 React 仓库可输入：codewiki.google/github.com/facebook/react；搜索栏查询模式:访问 codewiki.google，直接在输入框粘贴公开 GitHub 仓库链接或搜索项目名称即可生成文档；互动与提问操作:生成文档后，使用右侧/下方的 Gemini 提问框（如询问“解释这个项目的鉴权流程”、“数据库模块由哪些文件处理”）；点击生成的超链接即可查看对应的源码。六、注意事项与风险提示私有仓库支持限制:Web 版目前仅支持 GitHub 公开仓库 (Public)，暂不支持直接挂载私有库查询，需等待 Gemini CLI extension 发布以解决本地/企业环境需求；AI 幻觉风险验证:文档基于结构化代码解析生成，复杂逻辑可能存在推断偏差，务必点击文档中的超链接核对关键业务逻辑与实现细节；超大仓库索引延迟:对于极其庞大的 Monorepo（单体仓库），首次生成或重新索引可能需要一定处理时间请耐心等待。
Onsolo
OnSolo 使用指南🟢 平台介绍腾讯推出面向个人创作者的 AI 影视短剧创作平台。原名为 WorkSolo，Slogan：a Crew of One。将剧本、角色、场景、分镜、视频生成整合为一条流水线；支持个人即可完成短剧、动画、互动影游成片。是工业级 WorkRally 的轻量化个人版本，无复杂团队资产管理模块。🟡 主要功能Start a story（故事模式）：输入提示词或上传剧本，AI 解析剧本，自动提取角色、场景，生成角色资产、分镜、批量生成短剧视频片段。FMV Game：制作 AI 互动影游，包含分支剧情，玩家选择推进故事。Meme Play：轻量短视频、玩梗短片快速创作。Canvas自由画布：自由编排画面、镜头，自定义镜头参数，手工编排分镜。内置 AI：剧本结构化、角色统一人设、多视角素材生成、分镜自动生成、AI 视频生成、进度可视化。🟠 适用人群与场景✅适合短剧创作者、短视频创作者、动画爱好者、独立编剧、想快速做互动小故事的个人、学生创作。❌不适合大型专业影视工业化生产、多人重度团队协作（无团队版）、需要本地导出原始工程文件者。💰免费&付费情况当前处于公测内测阶段，官方定价页面：https://onsolo.ai/pricing。免费版：注册即送一定额度生成点数，可体验全部4种创作模式；生成消耗点数，点数耗尽停止生成。存在分辨率、单条视频时长限制、生成排队优先级低的情况。付费套餐：点数订阅制，充值点数，提升视频分辨率、更长时长、更高生成优先级、更大批量生成能力。注意：公测期套餐会变动，以官网 pricing 页面为准。🛠️如何使用步骤访问 onsolo.ai，使用腾讯账号登录。4种入口选择：Start a story / FMV Game / Meme Play / Canvas。Start‑a‑story流程： 1）粘贴剧本或写故事提示词；AI 解析剧本，确认角色、场景。 2）AI 批量生成角色素材、场景图。 3）审核自动生成的分镜，可手动修改镜头。 4）消耗点数批量生成视频片段。 5）在线剪辑拼接，导出成片。Canvas模式：空白画布，手动添加镜头、角色、场景，逐段生成视频。导出：导出成片视频到本地。⚠️注意事项与限制点数消耗：剧本解析消耗低，视频生成消耗点数最高，批量生成分镜会快速耗点。角色一致性：AI 生成人物会有变脸，需要反复调整角色参考图，无法做到**100%**完全统一。生成排队：免费用户高峰排队久，付费优先；长视频生成耗时高。版权管理：商用前务必阅读平台版权条款。AI 生成内容仅限个人创作，商用需要遵守平台协议。内容审核：生成内容会经过内容安全审核，暴力、低俗、违规内容直接拦截。导出限制：只能导出最终成片，不能导出中间原始工程文件。网络环境：国内访问正常，无需特殊网络；浏览器建议 Chrome。公测阶段功能会迭代，部分能力不稳定。
Upscayl
Upscayl 使用指南平台介绍产品定位：完全基于本地运行或云端使用的免费/付费AI图片超分辨率提升工具。核心模型：主要基于Real‑ESRGAN系列模型，能够有效修复图片模糊与噪点。版本分类：分为本地桌面版（开源免费）和Upscayl Cloud云端网页版。本地版：离线运行，数据不上传服务器，隐私保护强。Cloud版：浏览器直接使用，无需安装，依赖平台服务器算力与API接口。系统支持：全面兼容 Windows、macOS、Linux 操作系统。主要功能AI图片放大增强：支持2‑16倍自由设定放大倍数；针对老照片模糊、压缩噪点及二次元素材进行深度降噪修复。多模型库选择：提供通用照片、动漫插画、数字艺术以及人脸增强等专用算法，满足不同材质处理需求。文件夹批量处理：支持导入整个图片文件夹并一键执行放大任务，大幅提升工作流效率。Double Upscayl（二次超分）：允许对已放大的结果进行再次放大处理，以获取更高像素分辨率。输出格式自定义：支持 PNG、JPG、WebP 等常见格式切换，并可调节图片压缩质量以适应不同场景。Cloud云端独有功能：仅限网页版使用；提供跨设备同步、大分辨率生成及API接口调用服务（如人脸增强）。适用人群建议✅ 适合使用的群体与场景专业创意工作者：包括设计师、摄影师及素材库管理者。内容创作者：动漫爱好者、老照片修复需求者、二次创作用户。隐私敏感型用户：本地版完全离线，数据不上传第三方服务器。硬件受限环境：若电脑配置较低或无独立显卡的用户可优先选择云端版体验。❌ 不适合使用的群体与场景非图片处理需求者：如无需放大视频、仅做简单缩放用户（工具不支持**。视频**。）。）商业高精度生产：专业级印刷要求及追求极致无损画质的大规模生产流程需谨慎评估效果。免费&付费情况说明桌面本地版信息授权性质：开源软件，永久免费使用。功能限制：无广告、无水印、不限处理次数。网络要求：下载后完全离线运行，不受国内网络波动影响。Upscayl Cloud（云端网页版）信息初始权益：注册赠送10个积分用于免费试用体验核心功能。付费订阅：采用积分制计费模式，提供按月或按年付费订阅服务；详见：https://upscayl.org/pricing。支付限制：无中国国内微信支付/支付宝渠道，仅支持境外信用卡在线付款。如何使用指南桌面本地版（推荐首选）流程步骤下载安装：访问官网下载对应操作系统的安装包并安装完成。导入素材：点击界面打开图标或拖拽图片及文件夹至窗口内。选择模型：建议照片使用通用模型，动漫插画类需切换为数字艺术/二次元专用模型。设定倍数：日常处理优先 2‑4倍。注意8‑16倍放大对显卡硬件压力极大，易卡顿或失真。配置输出：指定图片保存路径（Output Folder），确保存储空间充足。执行任务：点击按钮开始 Upscayl 运算过程。获取结果：处理完成后直接前往设置好的输出目录查看下载高清大图。Cloud云端版使用流程步骤注册登录：打开官网页面，进入Upscayl Cloud并创建账号/登录现有账户。上传调整：在浏览器中上传图片至队列，选择AI模型种类及放大倍数。消耗执行：积分自动扣除后等待云端服务器处理，完成后即可下载成品图片。注意事项（避坑指南）硬件性能要求：独立GPU。本地版运行速度极快；若无独显仅用CPU会导致处理极度缓慢或大文件卡死。无显卡用户优先使用Cloud版本本。**隐私数据保护：本地版图片完全存储在本地硬盘，不上传外网；云端服务会将图片传输至服务商服务器。建议包含敏感个人隐私的素材（如证件照、私密家庭影像）切勿上传云端。算法放大原理限制：AI 不是魔法。过度追求高倍率（8倍以上）容易产生伪影细节和画面扭曲失真。日常建议使用4倍以内以保证质量与速度的平衡。模型匹配原则：通用照片模型不可用于动漫插画，反之亦然；选错模型会导致画风崩坏或画质下降。网络环境考量：国内访问官网较慢且不稳定。建议下载本地客户端完成安装后断网使用云端版以外的功能；Cloud网页端在国内可能存在加载失败风险。订阅账户管理：积分系统有有效期，若取消付费订阅服务，剩余的未使用积分可能会被收回。不支持退费或兑换。输出格式规范：如需透明背景请选用PNG格式保存；选择JPG会引入二次压缩损失画质，需降低图片质量。开源协议声明：AGPL‑3.0 许可证。个人下载及非商业使用完全自由合规；若进行代码修改并再次分发传播，则必须遵循该协议的开源条款（公开源码）。
Spec Kit
GitHub Spec-Kit 使用指南一、平台介绍核心理念 *将开发模式从“先写代码再补文档”翻转为“规范即执行”。*通过逐步生成可评审的文档（宪法、需求规范、技术方案、任务清单），为 AI Agent 提供稳定的契约。项目性质 开源工具包，包含 specify CLI 命令行工具 + Agent Prompt 模板 + 脚本库。开源协议 MIT License（完全开源）。二、主要功能项目脚手架（Specify CLI） 一键生成规范驱动开发所需的目录结构、提示词及配置文件。阶段化斜杠指令（Slash Commands）/speckit.constitution：定义项目的全局不可违背准则，包括代码规范、架构约束、测试要求等。/speckit.specify：专注于“业务要做什么（What/Why）”，生成高层需求规范 spec.md，不掺杂技术细节。/speckit.clarify：主动提问以检查需求中的二义性、模糊点及边缘场景并补充完善。/speckit.plan：专注于“技术怎么做（How）”，制定技术选型、数据模型与架构方案 plan.md。/speckit.tasks：将方案拆解为带依赖关系、可并行执行的确定性任务清单 tasks.md。/speckit.analyze：交叉检查 Consistency，确保规范、方案、任务之间的一致性。/speckit.implement：驱动 Agent 按任务列表分步、小步快跑地编写代码。广泛的 Agent 生态集成 支持 GitHub Copilot、Claude Code、Cursor、Gemini CLI、Windsurf 等 30+ 款主流 AI 编码 Agent。三、适用人群AI 辅助开发者 / 独立开发者：希望用 AI 写大中型项目，但不想让 AI 乱改代码或迷失方向。软件架构师 / 技术 Leader：需要制定代码约束与架构规范（Constitution），控制 AI 输出质量。研发团队 / Product Manager：希望在写代码前快速评审需求规格 spec.md，确保产品与工程对齐。四、免费与付费情况Spec-Kit 本身费用：完全免费且开源。没有官方的付费商业版或订阅模式。第三方成本说明：使用 Spec-Kit 需要配合 AI Coding Agent 或 LLM API（如 GitHub Copilot 订阅、Claude API、OpenAI API 等），这部分按对应厂商的定价付费。相关网址链接：Spec-Kit 官方 GitHub 仓库：github.com/github/spec-kitGitHub Copilot 定价页面（若搭配 Copilot 使用）：github.com/pricing五、如何使用（标准工作流）安装 CLI需要先安装 Python 的极速包管理器 uv。随后在项目根目录运行以下命令以集成 Copilot 或 Cursor：bash# 通过 uv 安装 specify-cli uv tool install specify-cli --from git+https://github.com/github/spec-kit.git # 初始化项目并指定集成方式（此处示例为 copilot） specify init my-project --integration copilot cd my-project 执行标准七步法在 Agent Chat 中按顺序使用斜杠指令：/speckit.constitution：生成 constitution.md，录入项目不可逾越的规则。/speckit.specify <需求描述>：用自然语言描述需求，生成 spec.md（What/Why）。/speckit.clarify：让 AI 审查 spec.md，回答其提出的补全问题并完善细节。/speckit.plan：给出技术偏好（如“使用 Go + PostgreSQL"），生成 plan.md（How）。/speckit.tasks：生成分步骤的任务列表 tasks.md。/speckit.analyze：运行一致性检查，确保任务和方案无冲突。/speckit.implement：让 AI 逐条完成 tasks.md 中的编码任务。六、注意事项严禁越级编码 在没有审核通过 spec.md 和 plan.md 之前，不要直接跳到 /speckit.implement 进行生成代码操作。任务颗粒度控制 如果 tasks.md 中某个任务过于庞大，应当让 Agent 继续拆细，否则 AI 容易在单次生成中产生遗漏或逻辑断层。文档即版本控制 所有生成的 spec.md、plan.md 和 tasks.md 建议提交到 Git 仓库，作为项目演进的历史上下文进行保留与追踪。验证需要闭环 Spec-Kit 负责到“代码生成完成”为止，它不包含运行时测试能力。对于 UI 或端到端验证（E2E），建议配合 Playwright、Shiplight 等测试框架形成质量闭环。
GenOffice
GenOffice 平台介绍与使用指南一、平台介绍GenOffice 是由 Genspark（由景鲲等创立）推出的 AI 时代原生本地办公套件。该套件支持 Windows 与 Mac 客户端。定位：作为平替传统本地 Office（如 Microsoft 365、WPS）的解决方案，提供 开源、免费、无广告 的办公软件服务。核心理念：将本地 Word/Excel/PPT 文档编辑器与 Genspark 的 Agent/SecondBrain 记忆层进行整合。旨在让 AI 深度融入日常文档写作排版、表格数据分析以及演示文稿制作场景中，减少用户重复性工作负担。二、主要功能模块AI Docs（文档与排版）：支持对混乱文本进行处理，例如从 PDF 转换来的论文或长报告进行智能结构化排版、标题划分、表格还原以及格式批量修正。AI Slides（演示文稿）：结合大语言模型能力与既有 PPT 模板资源，能够快速生成可编辑的幻灯片内容（建议搭配特定模板使用效果更佳）。AI Sheets（电子表格）：支持基于自然语言提问进行数据分析、数据整理以及表格公式的自动生成。SecondBrain（记忆层）：具备自动记录并关联用户工作上下文的功能，能够保存用户的表达习惯与历史模板，避免每次编写新文档都需要从零交代背景信息。开源 API 拓展：开放模型调用接口，允许自由切换或接入不同的 AI 大模型服务（如 DeepSeek、Ollama 本地部署模型等）。三、适用人群建议科研/学术/学生群体：适合需要对论文、文献资料进行 PDF 文本提炼处理、快速格式恢复与自动化排版的用户。白领与职场内容工作者：适用于频繁撰写工作总结、策划案、修改合同以及制作 PPT 汇报的办公人员。开发者与技术极客：看重开源属性，希望通过自行配置 API Key 或本地模型来降低 AI 使用成本的技术用户。纯净办公追求者：包括厌倦传统办公软件广告弹窗与高昂订阅费的个人用户使用场景。四、免费与付费情况软件本体费用：完全免费、开源、无广告。客户端支持直接下载本地安装，无需支付基础授权费。AI 算力/积分消耗模式：若官方服务默认调用 Genspark 云端 AI 服务时，将按照积分（Credits）进行计费；利用其开源特性配置自备 API Key（如 DeepSeek、Moonshot 等或 Ollama 本地模型），则可实现大幅降低甚至免除模型调用成本。最新定价查询方式：用户可通过官方定价页面随时查看积分套餐与最新资费动态，具体链接为 https://genoffice.ai/zh-cn/pricing（登录后可在 Pricing 或账户计费页面获取最新动态信息）。五、使用步骤快速入门下载安装客户端：首先需前往官网下载对应 Windows 版或 macOS 版本的本地应用程序并完成安装。配置 AI 引擎环境：用户有两种选择，分别是登录 Genspark 账号直接使用赠送的官方积分（快捷方式），或在设置中接入第三方 API Key 及本地 Ollama 服务以降低依赖成本（极客方式）。执行日常办公协作任务：复制杂乱文本至 GenOffice 并选择"AI 排版”功能输入规范，或先导入带有样式规范的 PPT 模板文件再导入选用文案附件提示 AI“参照模板风格生成 PPT"。六、注意事项与风险提示产品版本阶段：目前产品处于早期（Alpha 阶段），快速迭代中，对于极其复杂的 Word 样式或特种 PPT 格式可能存在兼容性瑕疵，建议重要文档做好备份处理。PPT 生成操作建议：直接使用“一句话生成 PPT"容易出现版式不佳或风格生硬的问题；最佳实践是采取“给定排版模板 + 规定 Prompt”的组合方式以获得最好产出效果。积分消耗管理：注意云端积分的实时消耗情况，若直接使用云端高阶模型进行数万字排版或长文分析，积分消耗较快，建议优先在设置中配置性价比高的第三方模型 API Key 以规避成本问题。
Graft
Graft：开源 AI 编程助手上下文增强与加速工具是由 Nanonets 推出的开源 AI 编程助手（Coding Agent）上下文增强与加速工具。1. 平台介绍Graft 是一款专注于增强 AI 编程助手（如 Claude Code、Cursor、Codex、Gemini 等）对代码库理解能力的本地化 CLI 工具。传统方案通常依赖向量检索（RAG）或将整个代码库作为巨大上下文塞给 LLM，导致 Token 消耗巨大且模型经常“迷路”或跳过工具调用。Graft通过在本地将代码库提炼为一套互相链接的 Markdown 节点图（Markdown Context Graph），并结合 Hook 机制在交互时自动将精准的架构与上下文注入给 AI，从而实现：更快、更省、更准的 AI 辅助编程。2. 主要功能Graft 提供了以下核心能力以优化开发体验：代码库结构化图谱构建：基于 Tree-sitter 进行本地确定性解析，将代码库按照模块、API 及系统概念抽离为清晰的 Plain English 关联节点图（Markdown node graph）。自动化 Hooks 注入：无需依赖 Agent 主动调用外部 MCP 工具，Graft 会通过 Agent Hook（如 .claude/ 钩子）在每次 Prompt 时自动拉取匹配的代码节点，无感嵌入上下文。显著降低 Token 与耗时：Token 节省：平均节省约 42% 的上下文 Token。工具调用减少：减少约 46% 的 Tool-call 次数。响应加速：大幅缩短墙上时间（Wall-clock time），加速 32%~60%。准确率提升：在 SWE-bench Verified 测试中，解决率相比冷启动从 54% 提升至 66%。3. 适用人群AI 编程工具深度依赖者：日常频繁使用 Claude Code、Cursor、Gemini 等 Agent 进行代码重构与开发的工程师。大型/复杂代码库开发者：面对大型项目、Monorepos 或是接手不熟悉代码库，需要 AI 迅速理解全局依赖关系的架构师与开发者。成本与速度敏感型团队：希望在使用 LLM 辅助编码时大幅削减 API Token 账单并获得快速响应的个人或团队。4. 免费付费情况与定价说明Graft 本身完全开源且免费提供，具体计费逻辑如下：基础代码结构提取（graft build）：纯本地 Tree-sitter 解析，不调用任何 LLM，不消耗任何费用。深度摘要提炼（graft build --deep）：会调用您配置的 LLM API Key（如 Anthropic、OpenAI、OpenRouter 等）生成高层级概念节点，费用直接按您对应的 API 供应商标准扣除。官方资源链接：Graft 开源仓库与免费声明页面：https://github.com/nanonets/graft5. 如何使用步骤 1：全局安装 CLI在终端中运行以下命令进行安装：bashnpm install -g @nanonets/graft 步骤 2：在项目目录初始化并绑定 Agent进入您的代码库目录并运行：bashgraft init 命令提示：自动提示选择需要绑定的 AI 编程代理（如 Claude Code）。配置写入：自动在本地生成 graft/ 节点图，并将 Statusline 及 Hooks 配置写入 Agent 目录（例如 .claude/）。步骤 3：正常使用 AI 编程助手配置完成后，直接像平常一样启动您的 AI 助手（例如运行 claude），Graft 会在后台跟随会话并在每次提问时自动注入精准的代码上下文节点。常用命令备忘列表生成/更新图谱：使用 graft build（带深度总结可加参数 --deep，需提前设置环境变量）。可视化检查图谱：运行 graft viz 查看生成的结构。检索与定位：使用 graft grep <关键词> 或 graft map。6. 注意事项在使用 Graft 之前请务必确认以下事项，以确保团队协作和隐私安全：Git 忽略项配置：运行 graft init 会自动将 graft/ 文件夹添加到 .gitignore 中（图谱属于本地可再生的缓存，类似 node_modules）。协作流程：团队协作时只需提交 .claude/ 钩子配置；其他成员拉取代码后运行一次 graft build 即可。API 密钥与模型环境变量：如果使用深度摘要功能（--deep），需确保配置好相应的环境如 GRAFT_PROVIDER、GRAFT_API_KEY、GRAFT_MODEL 等。隐私与安全性保障：Graft 本身零遥测（No Telemetry）、无分析数据上报。所有的网络请求仅限于您主动配置并调用的 LLM API 端点，保护本地代码安全。
Audiblez
Audiblez 开源自动有声书生成工具一、平台介绍与定位核心定位：Audiblez 是一个轻量化、离线运行的电子书转有声书本地工具。其主要功能在于帮助用户在不依赖云端服务的状态下完成从文本到语音的转换。技术核心模型：基于开源超轻量级 TTS（文本转语音）模型 Kokoro-82M。该模型参数量仅为 8000 万，具备体积小巧、发音自然流畅以及推理速度极快的显著特点。项目来源信息：由开发者 Claudio Santini（Github ID: santinic）开发并维护。开源地址为 santinic/audiblez。二、主要功能清单章节自动处理与打包能力：读取 .epub 格式电子书文件内容。系统会自动将书籍按章节拆分生成音频，最后利用 ffmpeg 工具将所有音频合并为标准格式的 .m4b（支持播放器识别）。多语言音色广泛覆盖：内置了数十种男女声音色选项。支持美式英语、英式英语、中文普通话、日语等语种。具体包含如中文的 zf_xiaoxiao、zm_yunxi 等多种人声选择。交互式章节挑选功能：命令行使用 --pick 参数启动交互模式。用户可以手动勾选仅需转换的特定章节，避免整书生成的资源浪费与时间消耗。语速个性化调节支持：提供灵活的速度控制选项。支持从 0.5x（慢读）到 2.0x（快听） 的范围调整需求，适应不同阅读场景。双形态操作界面设计：既提供命令行 CLI 接口供批量自动化处理。同时也提供了图形界面（GUI），方便不熟悉终端代码的普通用户直观操作使用。多硬件加速兼容性策略：支持 CPU 推理与 NVIDIA GPU CUDA 加速。可根据设备配置选择纯软件运行或显卡全速运算模式。三、适用人群群体分析有声书爱好者读者群：希望将大量下载的 EPUB 格式电子书转换为音频文件。主要用于收藏后的离线收听需求，提升个人媒体库的可听性。隐私敏感与零成本用户：对在线 AI（如 ElevenLabs）的订阅费用及流量使用有所顾虑。追求完全本地化、全离线处理流程且无需支付任何费用的人群。外语语言学习者辅助者：利用多语种自然音色制作双语材料。主要用于英语学习或法语等其他小语种的听力训练与练习。开发者与 Homelab 玩家群：希望在个人 NAS、Google Colab 或本地服务器上部署脚本。希望实现批量自动化生成有声书的运维人员与技术用户群体。四、免费付费情况说明完全开源协议授权性质：项目采用 MIT 开源协议，底层模型使用 Apache-2.0 协议。代码与资源对公众开放，无任何闭源或隐藏费用成分。零成本本地运行机制：不依赖任何云端 API 接口。所有的计算都在你自己的设备（如电脑 GPU）上运行，不存在官方付费方案或非官方的收费页面。信息获取渠道说明：所有最新技术与维护均以 GitHub 项目主页为准。地址指向 https://github.com/santinic/audiblez，确保信息的即时性与准确性。五、核心使用方法与安装指令前置依赖环境配置要求：Audiblez 运行需要系统中预装以下组件：python3（基础语言）、用于音频打包的 ffmpeg 和语音合成分词器 espeak-ng。系统特定安装包命令示例：[macOS] Homebrew 环境安装步骤：bashbrew install ffmpeg espeak-ng pip install audiblez [Ubuntu / Debian] APT 包管理器工具安装：bashsudo apt install ffmpeg espeak-ng pip install audiblez [Windows] Python 虚拟环境标准流程（建议）： **注意在 Windows 系统优先使用虚拟环境，避免污染全局库。**依次执行以下 cmd / PowerShell 指令：构建目录并创建激活脚本。cmdmkdir audiblez && cd audiblez python -m venv venv .\venv\Scripts\activate.ps1 pip install audiblez pillow wxpython 功能执行与参数化转换命令：**[默认全书转换操作] 基础用法示例：**使用 -v 后填写音色代号，如美式英语 af_sky。请替换文件名为你的具体 EPUB 名称。bashaudiblez your_book.epub -v af_sky **[调节语速播报指令] 加速播放设置：**添加 -s 参数设定速率，例如 1.5倍速（范围支持 0.5x-2.0x）。bashaudiblez your_book.epub -v af_sky -s 1.5 **[交互式章节选择指令] 仅转换选定内容：**使用 --pick 参数启动交互界面。系统会列出所有章节供你手动勾选需要生成的部分。bashaudiblez your_book.epub --pick 性能优化与硬件加速配置：**[CPU/GPU/CUDA 开关] GPU 加速模式：**若设备装有 NVIDIA 显卡，使用 --cuda 参数显式开启。这能显著提升大书的生成速度（例如 Google Colab T4 环境下 16 万字仅需约 5 分钟）。bashaudiblez your_book.epub --cuda **[图形界面入口指令] GUI 可视化操作：**不习惯命令行时，可直接输入以下命令启动桌面端窗口。该模式适合进行章节选择与参数配置的直观管理。bashaudiblez-ui 六、注意事项与性能说明文件格式兼容性限制：目前原生支持仅针对 .epub 格式电子书。如果是 PDF、TXT 或 AZW3，需预先使用 Calibre 等工具转换为标准 EPUB。CPU/GPU 速度预期对比：**在免费 GPU（如 Google Colab T4）**环境下处理效率更高；而在纯 CPU（如 M2 Mac）上推理同一内容可能需要长达约1小时。建议长文优先开启 GPU。依赖项缺失风险预警：如果电脑中未成功安装 ffmpeg，程序生成完单章的 .wav 声音文件后无法打包成最终的 .m4b 格式音频包。务必检查 ffmpeg 是否在系统环境变量路径下可被调用。Apple Silicon (M1/M2/M3) 优化状态说明：底层主要依赖 PyTorch CPU/CUDA架构，尚未完全原生适配 Apple MLX 框架加速。Mac M 系列用户运行速度受限，长文本处理建议借用 Google Colab 等云端算力执行。
Langextract
google/langextract 使用指南google/langextract 是 Google 开源的 Python 库，旨在利用**大语言模型（LLM）**从非结构化文本中提取结构化信息。该工具专门解决传统大模型提取时容易丢失原文本位置定位（Grounding）的问题。以下为干货整理的使用指南：一、平台与项目介绍GitHub 仓库：google/langextract核心定位：基于 LLM 的文本结构化提取工具，支持精准的文本回溯（Source Grounding）与可视化显示。主要优势：结合长文本切片（Chunking）、并行提取（Parallel Processing）与多轮回溯校验（Multi-pass），有效解决长文本信息漏提以及大模型提取信息时“无法定位出处”的痛点。二、主要功能干货精准原文定位（Source Grounding）：提取出的字段不仅有结果，还会标注该信息在原文中的字符起始位置（char_interval），方便核验准确性与来源依据。长文本高效处理：自动切分整本小说或长篇医学报告等复杂文档，支持多线程并行（max_workers）与多轮提取（extraction_passes），从而提高整体召回率。少样本驱动（Few-Shot Driven）：无需微调模型，只需提供 1~2 个高质量的示例（ExampleData），即可约束并引导输出结构符合预期。交互式 HTML 可视化：可直接生成交互式 HTML 页面，在原文中将提取出的实体用高亮颜色绘制出来，直观展示提取关系与上下文位置。多模型适配：原生支持 Google Gemini 系列，同时兼容 OpenAI 模型以及基于 Ollama 的本地开源大模型（如 Llama 3、Qwen 等）。三、适用人群NLP / AI 工程师：需要快速从海量非结构化文本中提炼符合 Schema 的数据。医疗与科研人员：提取电子病历（EMR）、放射科报告或文献中的关键指标，且对模型审计依据有严格要求的场景。数据分析师 / 业务人员：处理长文档（如合同、法律条文、财务报表）并进行可视化分析的业务场景。四、免费与付费情况开源代码费用：100% 免费。采用 Apache-2.0 开源协议，可自由下载和商用源代码。API / 模型调用成本说明：取决于所选用的底层大模型服务商标准计费模式。✅ 免费方案：使用 Ollama 部署本地模型（需自备算力），或使用 Gemini API 的 Free Tier（但有 TPM/RPM 限流）。💳 付费方案：选择云端商业 API（如 Gemini 商业版、OpenAI API）或 Google Cloud Vertex AI，按对应厂商 Token / API 计费标准产生费用。参考定价链接：Google Gemini API / AI Studio：https://ai.google.dev/pricingGoogle Cloud Vertex AI：https://cloud.google.com/vertex-ai/generative-ai/pricingOpenAI 定价标准：https://openai.com/api/pricing/五、快速使用步骤安装库与环境配置bashpip install langextract # Windows/Linux/Mac export GEMINI_API_KEY="your-gemini-api-key" Python 核心调用逻辑（Prompt & Examples）pythonimport langextract as lx import textwrap # 1. 定义提取指令（Prompt）：使用 Exact Text，保持格式一致 prompt = textwrap.dedent(""" Extract characters, emotions, and relationships. Use exact text for extractions. """) # 2. 提供少样本示例（引导模型对齐输出结构 & Grounding） examples = [ lx.data.ExampleData( text="ROMEO. But soft! What light through yonder window breaks? It is the east, and Juliet is the sun.", extractions=[ # Extraction 字段必须与原文完全一致，禁止改写！ lx.data.Extraction( extraction_class="character", extraction_text="ROMEO", attributes={"emotional_state": "wonder"} ), lx.data.Extraction( extraction_class="relationship", extraction_text="Juliet is the sun", attributes={"type": "metaphor"} ), ] ) ] # 3. 运行提取任务：输入文本与模型 ID input_text = "Lady Juliet gazed longingly at the stars, her heart aching for Romeo" model_id = "gemini-1.5-flash" # 推荐默认使用较新版本或指定具体型号 result = lx.extract( text_or_documents=input_text, prompt_description=prompt, examples=examples, model_id=model_id, ) # 4. 保存结果与生成交互式可视化 HTML lx.io.save_annotated_documents([result], output_name="results.jsonl") html_content = lx.visualize("results.jsonl") with open("visualization.html", "w", encoding="utf-8") as f: if isinstance(html_content, str): f.write(html_content) else: f.write(html_content.data) # 处理返回的数据对象情况 数据导出与查看：运行完成后，检查生成的 results.jsonl 文件包含提取结果及其字符区间信息。打开生成的 HTML 页面即可看到高亮后的原文效果。六、注意事项必须使用原文（Exact Text）：在少样本示例中，extraction_text 字段严禁改写或同义替换。LLM 会尝试匹配字符区间，若与原文不符，LangExtract 将报错 Prompt alignment 警告并导致位置定位失效。Grounding 过滤机制（处理幻觉）：LLM 偶尔会出现提取内容未出现在原文中的情况（Hallucination）。LangExtract 会将无法定位的项标记为 char_interval = None，建议在后处理阶段进行过滤：python# 示例代码片段：筛选有效字符区间的结果 valid_extractions = [e for e in result.extractions if e.char_interval] result_filtered = lx.ExtractionData(text=input_text, extractions=valid_extractions) # 假设数据结构需重新封装以符合下游需求 长文本并发与 API 限流（Rate Limit）：若设置较大 max_workers 或多轮提取，切片后会瞬间产生大量并发请求。使用免费 API Free Tier 时极易触发 TPM/RPM 频率限制。高并发生产环境建议切换至付费层级或使用 Vertex AI Batch API 以提升稳定性。