第4页_AI开源软件

一键可把音视频转换为小红书、公众号等风格文案的AI工具：AI-Media2Doc，也支持知识笔记、思维导图、内容总结等很适合自媒体人以及学生，比较实用1、支持基于视频内容二次对话，可以让AI回答关于视

与7B比，处理长文本序列上，显存占用降低了50%，在24GB消费级显卡上也能支持30秒音视频交互保留了7B 90%以上的多模态理解能力，语音输出的准确和稳定性与7B相当

小米已入局大模型行列，昨天放出了MiMo-7B，其核心是能解决数学以及代码等复杂的推理问题，说是性能超32B，MiMo-7B-RL媲美OpenAI o1-mini 在数学AIME24/25上分别是68

直接在代码编辑器里查看Deepwiki内容的MCP：deepwiki-mcp，相当于内置了个文档浏览器，非官方的但比较实用它通过MCP获取Deepwiki的URL，抓取相关页面，转换为Markdown

一款程序员的工作协作AI神器：KoalaWiki，这是一个基于AI的代码知识库平台，可以自动解析你的Git代码仓库，生成比较详细、结构化的代码文档和项目见解。支持添加和管理多个Git代码仓库仓库分析完

集PDF处理、AI翻译、RAG检索、AI问答及语音聊天于一体的一款学术论文阅读工具。导入PDF后它会自动提取、翻译和结构化论文内容，并且支持中英文对照阅读支持AI智能问答，分屏界面，左侧论文右侧AI问

给它一个GitHub/GitLab地址，它就能自动分析代码结构和关系，自动生成该项目的详细说明文档，还能画出图表来解释代码是怎么运作的。支持自动生成Mermaid图表展示架构和数据流支持Docker或

专用于做深度公司调研的一个多智能体：company-research-agent，告诉它需要了解的公司，它会自动从各渠道收集信息，并整理成详细的分析报告。会从公司网站、新闻报道、财务报告以及结合行业分

一款开源的AI面试辅助工具：CodeInterviewAssist，主要是编程面试，可以帮助你分析面试题目、生成解决方案，甚至调试代码隐形窗口，可以避开Zoom的低版本、浏览器录屏等一些屏幕录制及视频

TTS 是一个用于高级文本转语音生成的库，超过 1100 种语言的预训练模型。

它基于firecrawl和 Gemini 2.5 Pro自动搜索网络上最新的AI动态，整理总结，然后按时发送到邮箱。

百度地图MCP来了，AI助手可以更好的处理位置、导航、路线规划等地理信息相关的任务了用作智能旅行助手，AI助手就可以利用百度地图MCP来实现规划路线、景点位置查询、天气查询、提供交通建议了用作智能客服

能“一步生成”极为逼真的多角色对话语音能直接根据对话文本生成自然、有情感的多说话人语音可用音频条件（prompt）进行控制，实现情感、语调的定制。可通过音频prompt实现声音克隆权重和推理代码完全公

So-vits-SVC4.1人工语音合成文字教程

Animatediff-cli生成动画

文本转语音引擎

OpenVoice 是一种多功能的即时语音克隆模型

提供多种AI语音转化

MetaVoice-1B 是一个 1.2B 参数基础模型

文本转语音

AI工具集