先把语音收成本地工作室
今天的新事是把语音工作室收成本地可改文件,再让代理直接调现成工具与团队资产。旁边是长文档一次解析与消费级大模型推理,以及仍在榜的逆向与创作引擎。

核心推荐Top picks5
65.4k65.4k
debpalash/VoiceStudio
开源本地语音工作室,对标 ElevenLabs。支持语音克隆、语音设计、视频配音、听写、转写与有声书制作,覆盖 646 种语言,带本地 API 与 MCP。痛点是云端语音服务按量计费且数据外传。差异化是多引擎矩阵可切换、参考音频即克隆,并让代理直接调用本地音色。协议 AGPL-3.0。今日仍在推送,API 65,402 星。先从 Releases 安装桌面版只跑一个示例音色,不要默认上传未授权参考音频。
从 https://github.com/debpalash/VoiceStudio/releases 安装,或按 README 用 bun 从源码启动仓库:README
27.4k27.4k
baidu/Unlimited-OCR
3B 参数 MoE OCR 模型,支持一次性长文档解析。用参考滑动窗口注意力维持恒定 KV 缓存,可在 32K 长度内处理数十页。痛点是传统 OCR 逐页拆分后丢失上下文与版面。差异化是单次前向完成多页解析并输出带结构结果,支持 Transformers 与本地推理。协议 MIT。最近推送在 10 月 12 日,API 27,357 星。先按 README 用示例图跑一次,不要默认处理含敏感信息的生产文档。
按 https://github.com/baidu/Unlimited-OCR 的 README 安装依赖并运行 infer.py 示例仓库:README
11.2k11.2k
apify/apify-mcp-server
官方 MCP 服务器,让 AI 代理直接调用 Apify Store 上的数千个现成爬虫、爬取与自动化工具。痛点是代理需要网页数据时要自己写脚本或反复配置。差异化是发现即用、支持结构化输出,并带文档与教程接入。协议 MIT。今日有发布,API 11,184 星。先用 npx 只接一个公开 Actor 示例,不要默认开放全部权限或写入生产钥匙。
npx @apify/actors-mcp-server 或按 https://github.com/apify/apify-mcp-server 的 README 配置仓库:README
5.5k5.5k
Tencent/teamai-cli
用 git 仓库管理团队的 skills、rules、agents、learnings、models 与 MCP 等 AI 资产,并自动同步到成员的 AI 工具。痛点是团队提示词、技能与规则散在聊天与本地,换人就失同步。差异化是一次初始化后按会话自动拉取,支持角色与项目级分发。协议以仓库为准。今日仍在推送,API 5,464 星。先 npm 全局安装后只初始化一个测试仓库,不要默认推送含密钥的配置。
npm install -g teamai-cli,然后按 README 执行 teamai init仓库:README
24.4k24.4k
Niko1221/Strata
面向消费级硬件的推理引擎,一键在 Windows / Linux 上运行 Qwen3.8-Flash-Next 等大模型,提供本地 OpenAI / Anthropic 兼容 API,可选图像输入。痛点是大模型通常需要服务器级显存,普通 PC 跑不起。差异化是专家缓存与 CPU-GPU 协作,让有限显存也能持续解码。协议 MIT。今日有发布,API 24,366 星。先按 Releases 或 START-HERE 只加载一个量化示例,不要默认把生产数据送进未审推理。
从 https://github.com/Niko1221/Strata/releases 安装,或按 README 运行 START-HERE仓库:README
其他值得关注Also worth a look5
- morluto/rea近七日已写过,今日社区日榜仍在前排,逆向代理 API 星数持续高位。
- storytold/artcraft近七日已写过,今日日榜仍在,创作引擎继续增长。
- storytold/photocraft近七日已写过,同组修图应用今日仍被讨论,星数快速上升。
- cathrynlavery/diagram-design近七日已写过,今日仍在编辑式图示前排,API 星数约 5 万级。
- paperclipai/paperclip近七日已写过,代理编制工作区今日仍有推送。
热议精选Being discussed
你一直在等的时刻到了。我们的新前沿模型 Gemini 4 Argon 正在 Gemini 应用中推出,把你最复杂的想法变成现实。
@GeminiApp
GitHub 周榜第二的 VoiceStudio 把语音工作室整个搬回本地。给一段参考音频就能克隆声音,视频配音、转写、有声书制作全在一个桌面应用里完成,转写支持 646 种语言。还给 AI agent 留了 MCP 口子。
@MirrortekUK
中国刚刚开源了一个能一次吃掉 100 页 PDF 的 OCR。叫 Unlimited OCR。只有 3B 参数,本地运行。其他工具把文档拆成页就丢了上下文,这个一次连续读完。
@BrooksWhaleX
总结建议Takeaways
日榜看起来还是逆向和图示,但今天能改交付的,是先把语音与文档收成本地可操作文件,再让代理直接调用现成工具与团队资产。
- VoiceStudio 把克隆、配音与转写收成本地工作室,并开放 MCP。Unlimited-OCR 用恒定缓存做一次性长文档解析。
- apify-mcp-server 让代理直接调用现成爬虫。teamai-cli 用 git 同步团队技能与规则。Strata 让普通硬件跑大模型并提供兼容 API。
- 已写过的 rea、artcraft、photocraft 与 diagram-design 仍在榜。Gemini 4 Argon 当日全球推出,定价与能力见官方公告。
要试本地语音先从 VoiceStudio Releases 打开示例。文档解析按 Unlimited-OCR README 跑一张图。数据提取用 npx 接一个公开 Actor。团队资产按 teamai-cli 只初始化测试仓库。推理引擎从 Strata Releases 加载量化示例。已写过的 rea、artcraft、photocraft 与 diagram-design 继续看日增即可。