OpenAI.fm 是由 OpenAI 开发的交互式平台，专注于文本转语音功能，适合开发者和用户快速测试和体验。平台支持中文，生成速度快，用户可选择音色和气氛，生成自然语音。提供多种语音风格和多语言支持，生成后自动删除文本和音频，确保用户隐私。开发者可通过 API 将功能集成到自己的应用中。

LibreTranslate是一个免费且开源的机器翻译API，完全自托管。它不依赖于Google或Azure等专有服务，而是使用开源的Argos Translate库作为翻译引擎。支持多种语言的互译，提供RESTful API，易于集成到现有系统中。适合对隐私或数据安全要求高的场景，如企业内部敏感文档的离线翻译，或开发隐私优先的应用程序。

Shorty是一款AI驱动的短视频广告制作工具，旨在帮助用户快速创建引人入胜的短视频广告。特别适合电商品牌、Shopify商店、亚马逊卖家和内容创作者，通过AI虚拟人物和动态模板，将产品视觉转化为专业、吸引注意力的用户生成内容（UGC）广告。应用支持多种语言，包括中文，方便全球用户使用。

Wispr Flow 是一款跨平台的 AI 语音工具，专注于高精度语音转文字和自动格式优化。它旨在通过无缝的语音输入功能，显著提升用户的工作效率，特别是在写作和沟通场景中。支持 Windows 和 Mac 系统，适用于微信、Word 等多种应用场景，帮助用户快速生成无错别字、排版工整的内容。

该项目是 OpenAI 平台上 Audio API 的一部分，基于 GPT-4o mini TTS 模型，旨在将文本转化为自然流畅的语音。它支持多种语言和自定义语音选项，适用于教育和客服场景，并需向用户披露语音为 AI 生成。

OpenAI的语音转文本项目基于Whisper模型，旨在将音频转化为文本，特别适合处理多种语言和方言。它支持多种音频格式，文件上传限制为25 MB，输出格式包括JSON和文本。项目功能强大，适用于会议记录、语音笔记和多语言翻译等场景。

通义是由阿里云开发的大型语言模型，支持多轮对话、内容创作、逻辑推理、多模态理解和多语言支持。它于2023年9月13日公开上线，提供提示词模板、联网搜索功能，且模型开源，用户可自由定制和部署。通义旨在成为用户的个人AI助手，辅助工作、学习和生活，覆盖广泛的应用场景。

Pixtral-12B-2409 是 Mistral AI 开发的多模态模型，拥有12亿参数的解码器和4亿参数的视觉编码器，能够同时处理文本和图像。它支持128k长上下文，具备图像理解能力如OCR和视觉问答，支持中/英/日/韩等24种语言，满足全球化需求。该模型在多模态任务中表现优异，尤其在文档问答（DocVQA）和视觉问答（VQAv2）上领先，且可以在单张RTX 4090上运行，许可证为Apache 2.0。

Chikka.ai 是一个基于AI语音访谈技术的平台，允许用户在5分钟内快速构建拟人化对话代理。通过自然聊天，它高效收集用户反馈或员工创意，解决传统调研耗时长、互动生硬的问题。其核心价值是将非结构化对话转化为可落地的洞察，特别适用于直播电商、私域流量等场景，尤其对老年人或低触网人群的反馈收集具有亲和力与渗透性。

Cuckoo 是一个为全球销售、市场和支持团队设计的 AI 实时翻译工具，主要用于 Zoom 会议，帮助克服语言障碍。它支持超过 20 种语言，集成了 Zoom、Google Meet、Slack 和 Microsoft Teams，可在移动设备或桌面设备上使用。Cuckoo 通过关键词和文件学习会议上下文，适合处理技术术语，增强客户信任和转化率。

白描图片转 Excel 是白描应用的一个网页功能，专注于将表格图片通过OCR技术转换为Excel文件。白描是一个强大的OCR工具，支持图片转文字、电子表格文字识别、PDF转文字等功能。该功能简单易用，用户只需上传表格图片即可完成转换，适用于需要快速提取表格数据的场景。

INFP 是由 ByteDance 开发的音频驱动的双边互动视频生成框架，主要用于实时生成自然灵活的互动视频。它能够根据音频内容自动切换角色，生成与音频高度一致的面部表情和头部动作。该框架经过深度优化，运行速度超过 40 FPS，支持实时视频生成，适用于即时通讯、视频会议等实时场景。此外，它还支持多语言音频生成、唱歌模式，以及侧面头像和非人类形象的生成。

Mirage 是 Captions 公司开发的 AI 模型，专注于生成用户生成内容（UGC）风格的广告视频。它能够创建具有自然表情和肢体动作的原创角色，无需依赖传统拍摄或预录制素材。Mirage 支持从提示生成完整视频，用户可定制角色的外貌、声音、语气和背景，并支持 29 种以上语言，特别适合全球营销和本地化广告。生成的内容拥有完整版权，适用于商业和个人用途。

DeepL for Chrome 是一款基于 DeepL 技术的浏览器扩展，提供实时翻译和智能写作建议，帮助用户在浏览网页或撰写内容时进行高效的多语言沟通。它支持实时翻译选定的文本，并提供 DeepL Write 功能，优化电子邮件、评论等内容的表达，支持风格和语气调整。

Zed 是一款下一代 AI 代码编辑器，专注于人类与 AI 的高性能协作，旨在通过无缝的人工智能协作提升软件开发效率。它支持 macOS 和 Linux，Windows 版本即将推出。Zed 提供了多种功能，包括 AI 辅助编程、实时协作、多语言支持、原生 Git 支持等，适合个人和团队使用。

Grok 是一款由 xAI 开发的生成式 AI 聊天机器人，xAI 由 Elon Musk 创立。它旨在提供未经过滤、幽默的回应，并具备高级的推理、编码和视觉处理能力。Grok 可通过 X 平台访问，提供实时网络搜索和图像生成等功能。最新版本 Grok 3 于 2025 年 2 月发布，免费向所有人开放，但免费用户有使用限制。

FunASR 是一个旨在连接学术研究与工业应用的语音识别工具包。它支持工业级语音识别模型的训练与微调，帮助研究者和开发者更方便地进行语音识别模型的研究与生产，推动语音识别生态的发展。FunASR 提供了丰富的预训练模型和便捷的脚本与教程，支持推理和微调，涵盖语音识别、语音活动检测、标点恢复、语言模型、说话人验证、说话人分离等多种功能。

paint-board 是一个支持多端操作的趣味绘画板项目，提供了丰富的绘画功能和灵活的画布配置。它支持多种画笔样式、形状绘制、橡皮擦、选择模式、图层管理等功能，并且支持多语言界面、画布背景设置、缓存优化等特性。未来计划还包括跨平台登录、数据同步和 AI 增强绘画功能。

DreamTalk 是一个基于扩散模型的音频驱动表达性头部生成框架，能够生成具有多种说话风格的高质量头部视频。它支持多种输入类型，包括歌曲、多种语言的语音、含噪声音频和领域外的肖像画。该项目旨在通过先进的扩散概率模型，实现精准的唇音同步和生动的表情生成，适用于学术研究和非商业用途。

ChatALL是一个开源项目，允许用户同时与多个大型语言模型（LLM）进行对话。通过向多个AI机器人发送提示，用户可以发现最佳结果。该项目旨在提供更好的体验，用户只需下载、安装并提问即可。支持多种语言和操作系统，包括Windows、macOS和Linux。所有聊天记录和设置都保存在本地，确保用户隐私安全。

F5-TTS是一个基于Flow Matching的语音合成项目，旨在生成流畅且高度还原的语音。它通过Diffusion Transformer架构和ConvNeXt V2模块，结合创新的Sway Sampling策略，显著提升了训练和推理速度。项目支持多语言、多风格和多说话者的语音生成，并提供了丰富的工具和接口，如Gradio应用、CLI推理和Docker支持。

HeyGem是一款完全离线的视频合成工具，专为Windows系统设计，能够精确克隆用户的外貌和声音，将用户的形象数字化。用户可以通过文本和语音驱动虚拟形象，生成视频。HeyGem支持音频驱动口型匹配，用户只需提供一秒视频或一张照片，即可在30秒内完成数字人形象与声音的精准克隆，并在60秒内合成4K超高清数字人视频。支持复杂光影、遮挡或侧面角度的场景下保持100%的口型匹配，完美呈现多表情和肢体动作。最低配置要求为NVIDIA 1080Ti显卡，支持Windows和Linux系统一键安装。

PaddleOCR是一个基于PaddlePaddle深度学习框架构建的开源OCR（光学字符识别）工具库，旨在为开发者提供一套全面、领先且实用的工具，以训练高质量的OCR模型并将其应用于实际场景中。它提供了多种OCR相关的前沿算法，并在此基础上构建了产业级特色模型，如PP-OCR、PP-Structure和PP-ChatOCR，覆盖了从数据生产到模型训练、压缩和预测部署的完整流程。

OpenChat是一个专为对话系统设计的开源框架，为开发者提供构建高效交互模型的工具，支持多场景对话任务的开发与优化，兼顾性能与适配性。

docling-api是一个高效、可扩展的文档转换后端服务器，能够轻松将多种文档格式（如PDF、DOCX、PPTX、HTML、图片等）转换为Markdown格式。它支持CPU和GPU处理，尤其在GPU模式下性能显著提升。该API提供同步和异步接口，满足不同场景需求，并支持多语言OCR，覆盖法语、德语、西班牙语等多种语言。此外，它还支持文本和表格提取，以及批量处理功能。

Sketch-of-Thought (SoT) 是一种为语言模型推理提供高效、简洁解决方案的工具。它支持多种语言和自适应推理范式，能够自动选择最优推理方式，无需手动调整。SoT 适用于多种自然语言处理任务，并在多语言环境下表现出色。

HeyGem.ai是一款完全离线的视频合成工具，能够精准克隆用户的外貌和声音，生成数字分身。它支持多语言，用户可以通过文本或语音驱动虚拟形象，生成自然流畅的视频。由于其完全离线操作，能够有效保护用户隐私。

FixIt是一个简洁、优雅且高效的Hugo博客主题，专注于性能优化和SEO。它支持响应式布局、多语言、多种评论系统和丰富的Markdown扩展功能，适用于创建各种类型的网站。

NLU Training Data 是一个众包的自然语言理解（NLU）模型训练数据集，专门为 Rasa NLU 模型设计。它包含了大量由社区贡献的训练数据，支持多种语言和领域，旨在帮助开发者创建更加鲁棒的 NLU 模型。该数据集定期更新，以确保其内容的时效性和多样性。

Kaipulla AI 是一个由人工智能驱动的心理健康伴侣，提供24/7的多语言支持，为员工和学生提供情感支持和健康对话。其目标是通过先进的AI技术革新心理健康支持，确保个性化、富有同情心的互动。该平台集成了多语言访问和符合伦理的AI设计，使其成为企业和教育机构可扩展的解决方案。