在爆火之前，挖到能干活的 AI 创作工具。

在本地 24 小时录制屏幕，并让 AI 检索、操作这些内容。

给它一个问题，它自己上网调研，交还一份带引用的报告。

用自然语言问数据库，它会先澄清再写 SQL。

给你的 Agent 一个即用即弃的 Linux 沙箱，安全跑不可信代码。

用 4-bit 权重量化 + 快速 gRPC，给 LLM/VLM 推理提效。

把杂乱的 PDF 和 Office 文档转成干净的 Markdown、JSON 或版式树。

在聊天框里直接问你自己的笔记、文件与聊天记录。

向量化、索引、检索、提示词——不用再单独跑一个向量库。

一次 import，就能调用 OpenAI、Anthropic、Google、Mistral 等 100+ 模型。

几乎零配置，把 PDF 里的表格抽成 DataFrame。

官方技能库——复制任意 SKILL.md，你的 Agent 就多一项能力。

即插即用的技能，让你的编程 Agent 真正写测试、认真调试。

丢给它一个文档站，还你一个能直接用的 SKILL.md。

让你的 Agent 别再产出千篇一律的"AI 味"前端。

给你的 Agent 一个持久、基于文件的计划，它真的会照做。

让 Agent 真正做科学分析的垂直领域技能包。

让 AI 草稿读起来像人写的。

发现下一个 Agent 技能的索引站。

82M 参数就能出录音棚级 TTS，CPU 可跑。

一个能装进笔记本、还能读视频的视觉语言模型。

1.7B 模型，强到能当你的默认端侧 LLM。

3.8B 模型，推理能力却超过两倍大的模型。

3B 的万金油，编程和多语言（29+ 语种）出乎意料地好。

1B 模型，能读图、说 140+ 语言，还带 128K 上下文。

地球上近半数语义搜索背后，那个 22M 的嵌入模型。

3B 模型，能看、能听、能读——OCR 尤其强。

小说剧本进，成片出——可自部署的 AI 视频工作台。

通用 AIGC 视频引擎：一个管线从剧本到成片。

本地完成转写、上字幕、LLM 选段剪辑。

省力视频剪辑：死气沉沉的部分它替你剪。

给它一条你喜欢的视频，它用同款风格再拍一条。

给开发者的确定性头像与插画——30 多种风格，一个 API。

免费开源的像素画瑞士军刀——精灵、动画与调色板。

一个全能 2D 编辑器：像素、矢量、动画与节点图。

把 Claude 指向任意游戏，让它帮你做修改器。

从任意 Agent 生成可直接投产的图片、视频、音频与 3D。

丢一张图，得到游戏可用的 3D 素材——就在 Apple 芯片上。

一个人的一人游戏工作室，由 AI 编排。

消费级显卡也能跑的本地整曲生成

带符号规划与零样本翻唱的开源音乐模型

ACE-Step 初代：跟着旧教程时仍有用

把一首歌拆成干声、鼓、贝斯与其它音轨

Stable Audio 开源模型的训练与推理工具包

MusicGen 等文生音乐模型的官方工具包

基于扩散的歌声合成工具包

基于 ACE-Step 1.5 XL 的 Windows 一键音乐工作室

又快又自然的零样本语音合成

社区活跃的多语言开源 TTS

可控制风格的即时音色克隆

AI 翻唱与音色转换的默认 WebUI

带词级时间戳的 Whisper 类语音识别

一张照片 + 一段音频生成说话头像视频

实用的照片 / 动漫 / 帧超分

不用重度微调也能在生成图里稳住同一张脸

用块流匹配做歌词对齐的整曲生成

可脚本化的开源歌词+标签音乐生成栈

数据与权重都开放的长歌曲模型

用文字描述就能分离的通用音频分离模型

基于潜在扩散的文生音频与音乐系统

高质量人声/分轨分离的桌面图形工具

浏览器里的实时 AI 变声器

经典开源歌声转换栈（so-vits-svc）

像画师一样用工具一步步画像素精灵的 AI Agent

生成并导出各引擎可用的像素精灵表

保持画风统一的精灵与动画工作台

面向游戏道具的结构化图生 3D

秒级前馈式图生 3D 模型

高效图生 3D 网格管线

经典开源文生 3D 实验场

用 LLM 编排结构化图像的生成器

PuLID（Pure and Lightning ID customization）是一种保持身份一致的图像生成方法：一张参考照就够把同一个角色放进新场景、新风格、新服装——不用像 LoRA 那样重度微调训练。

给 AI 视频加上可控的相机/物体运动

高质量图生视频模型（I2VGen-XL）

在本地 24 小时录制屏幕，并让 AI 检索、操作这些内容。

给它一个问题，它自己上网调研，交还一份带引用的报告。

用自然语言问数据库，它会先澄清再写 SQL。

给你的 Agent 一个即用即弃的 Linux 沙箱，安全跑不可信代码。

用 4-bit 权重量化 + 快速 gRPC，给 LLM/VLM 推理提效。

把杂乱的 PDF 和 Office 文档转成干净的 Markdown、JSON 或版式树。

在聊天框里直接问你自己的笔记、文件与聊天记录。

向量化、索引、检索、提示词——不用再单独跑一个向量库。

一次 import，就能调用 OpenAI、Anthropic、Google、Mistral 等 100+ 模型。

几乎零配置，把 PDF 里的表格抽成 DataFrame。

小说剧本进，成片出——可自部署的 AI 视频工作台。

通用 AIGC 视频引擎：一个管线从剧本到成片。

本地完成转写、上字幕、LLM 选段剪辑。

省力视频剪辑：死气沉沉的部分它替你剪。

给它一条你喜欢的视频，它用同款风格再拍一条。

给开发者的确定性头像与插画——30 多种风格，一个 API。

免费开源的像素画瑞士军刀——精灵、动画与调色板。

一个全能 2D 编辑器：像素、矢量、动画与节点图。

把 Claude 指向任意游戏，让它帮你做修改器。

丢一张图，得到游戏可用的 3D 素材——就在 Apple 芯片上。

一个人的一人游戏工作室，由 AI 编排。

消费级显卡也能跑的本地整曲生成

带符号规划与零样本翻唱的开源音乐模型

ACE-Step 初代：跟着旧教程时仍有用

把一首歌拆成干声、鼓、贝斯与其它音轨

Stable Audio 开源模型的训练与推理工具包

MusicGen 等文生音乐模型的官方工具包

基于扩散的歌声合成工具包

基于 ACE-Step 1.5 XL 的 Windows 一键音乐工作室

又快又自然的零样本语音合成

社区活跃的多语言开源 TTS

可控制风格的即时音色克隆

AI 翻唱与音色转换的默认 WebUI

带词级时间戳的 Whisper 类语音识别

一张照片 + 一段音频生成说话头像视频

实用的照片 / 动漫 / 帧超分

不用重度微调也能在生成图里稳住同一张脸

用块流匹配做歌词对齐的整曲生成

可脚本化的开源歌词+标签音乐生成栈

数据与权重都开放的长歌曲模型

用文字描述就能分离的通用音频分离模型

基于潜在扩散的文生音频与音乐系统

高质量人声/分轨分离的桌面图形工具

浏览器里的实时 AI 变声器

经典开源歌声转换栈（so-vits-svc）

像画师一样用工具一步步画像素精灵的 AI Agent

生成并导出各引擎可用的像素精灵表

保持画风统一的精灵与动画工作台

面向游戏道具的结构化图生 3D

秒级前馈式图生 3D 模型

高效图生 3D 网格管线

经典开源文生 3D 实验场

用 LLM 编排结构化图像的生成器

PuLID（Pure and Lightning ID customization）是一种保持身份一致的图像生成方法：一张参考照就够把同一个角色放进新场景、新风格、新服装——不用像 LoRA 那样重度微调训练。

给 AI 视频加上可控的相机/物体运动

高质量图生视频模型（I2VGen-XL）

官方技能库——复制任意 SKILL.md，你的 Agent 就多一项能力。

即插即用的技能，让你的编程 Agent 真正写测试、认真调试。

丢给它一个文档站，还你一个能直接用的 SKILL.md。

让你的 Agent 别再产出千篇一律的"AI 味"前端。

给你的 Agent 一个持久、基于文件的计划，它真的会照做。

让 Agent 真正做科学分析的垂直领域技能包。

让 AI 草稿读起来像人写的。

发现下一个 Agent 技能的索引站。

从任意 Agent 生成可直接投产的图片、视频、音频与 3D。

82M 参数就能出录音棚级 TTS，CPU 可跑。

一个能装进笔记本、还能读视频的视觉语言模型。

1.7B 模型，强到能当你的默认端侧 LLM。

3.8B 模型，推理能力却超过两倍大的模型。

3B 的万金油，编程和多语言（29+ 语种）出乎意料地好。

1B 模型，能读图、说 140+ 语言，还带 128K 上下文。

地球上近半数语义搜索背后，那个 22M 的嵌入模型。

3B 模型，能看、能听、能读——OCR 尤其强。