#工程师工具 看到一个在线文字转语音的工具「TTSMaker」，提供语音合成服务，支持多种语言以及各种风格，可以用它朗读文本或者合成视频声音，可完全免费用于商业场景，弄好后直接下载文件，普通用户每周限制 20000 个字符使用，基本够用。 🤖

又发现 GitHub 上一款开源强大的文本转语音工具：Abogen。 能快速将 ePub、PDF 或文本文件转换成高质量音频，并生成匹配的字幕。 GitHub： 主要特性： -... 支持 ePub、PDF、TXT 多种文件格式输入 - 基于 Kokoro-82M 模型生成自然流畅语音 - 自动生成时间同步字幕文件 - 内置语音混合器创建个性化声音 - 支持多种语言包括中文、英文、日语等 - 批量队列处理多个文件 提供 Windows 一键安装器，同时支持 pip 安装和 Docker 部署方式。show more

阿里刚刚开源了TTS：Fun-CosyVoice3 0.5B，zero-shot音色克隆，可本地部署 还开源了款ASR【Fun-ASR-Nano 0.8B】，Fun-ASR的轻量化版本，推理成本更低，可以本地及定制化微调 另外，Fun-CosyVoice3模型做了升级，首包延迟比之前降低了50%，WER降低了56.4%，复杂场景字符错误率降低了26% 支持9种通用语言、18种中文方言、9种情感控制，可以跨语种音色复刻，比如说，用一段普通话录音可生成粤语、日语、英语等 支持双向流式合成，“输入即发声”，这个适用于语音助手、直播配音、无障碍阅读等等实时场景 Fun-ASR也升级了，噪声场景下准确率到了93%，新增歌词与说唱识别能力，支持31种语言自由混说无需预先指定语种 覆盖7大方言和26种地方口音，流式识别模型的首字延迟降低到了160ms... #TTS #ASRshow more

#工程师工具 推荐一个很不错的学英语的扩展「Trancy」，产品做的很精致易用，在你看 Youtube 的时候想看双语可一键切换，阅读模式可以直接深度理解内容，支持收藏将之前沉淀的视频句子来复习，结合 OpenAi 的能力练习各场景的对话，提供各种 ChatGPT 的能力，可以玩玩看。

Glarity 插件 - 基于 ChatGPT 和 YouTube 字幕生成视频摘要 不得不说，这个插件实在是太强了，可以提前预定我的年度插件之选了😆... ✅ 提取文章内容 ✅ 生成大量文本的概要或总结 ✅ 用中文总结各种语言视频 🔗安装链接：show more

这个不错，原生 macOS 视频下载工具，在一个应用内完成视频下载、裁剪和管理，背后跑的是 yt-dlp。 粘贴链接，一个 Spotlight 风格的小窗口弹出来，点一下就开始下载。下载完自动转成通用 MP4、复制到剪贴板、存到你选的文件夹，还带缩略图历史。

全平台翻墙工具使用教程⬇️ 很适合新手上手那些主流的代理工具，通过图文配合视频，基本上就是手把手喂到你嘴边的那种教程。

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型 全模态，一个模型通吃图+音+姿势+文本输入 任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的 人脸保持、物理合理性、表现力及口型同步看起来效果都还可以 原生长镜头生成，最长可生成10秒连续视频 目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

你知道吗？中文是世界使用人数最多的语言。 目前全球1/5人口以中文为母语或第二语言。 它也是联合国的6种正式语文之一。 联合国 #中文日 定在 #谷雨 ，是为了纪念仓颉造字。

又搞出一个好玩的东西： 任何输入框，输入中文，按快捷键，自动调用LLM翻译成英文替换。 工具用 Keyboard Maestro就可以。 感觉玩法场景，可以拓展很多的样子，LLM什么都能生成啊。 比如，不翻译成英语，重写你的话，换高情商表达？ 还有撩妹、客服等各种场景... 😝

有点意思，让 Web 应用有原生应用那样的交互音效，但不用加载音频文件。tiks 是个 Web 音效库，用 Web Audio API... 在运行时合成声音，不需要音频文件，gzip 才 2KB。show more

又发现一款跨设备文件分享的开源免费工具：Croc，可以放弃使用网盘或硬盘了。 无需在同一网络下，允许任意两台电脑之间传输文件或文件夹，不限制大小，并提供端到端加密，更安全更快速地分享。 GitHub： 除此之外，还支持多文件传输，以及中断后的断点续传功能。 支持 Windows、Linux 和 macOS 一键安装使用。

Skywork 上线了视频 Agent 能力，他们这个流程有意思 你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。 支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。 我用首尾帧做了一条香水广告的演示，还不错。 也上线了一些特效模版，你可以不用管提示词直接复用。 而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。 最近有需求的朋友们可以看看，说不定这几天直接回本了。

5. Thing Translator Thing Translator是一种基于Web的工具，它使用AI实时识别和翻译文本。 🔗

Gemini3真的强，一句话模拟生成英语学习视频。 生成一个单页HTML应用，但看起来像播放视频，带字幕和发音，带着我学最高频使用的商务英语单词。

在Boss直聘上用中文不能找8小时工作制的工作， 而用英文就可以找到带双休的8小时工作制的好工作了！

7个月21w🙋普通人用 AI 搞钱，收入翻倍！ 但 99% 的人不知道如何使用 这里有 8 个AI工具，可以在线... 24/7 赚钱 ⬇️⬇️⬇️ 1. PopAi PopAi 链接： 牛逼闪闪的是，它处理文件完全无限制，还整合了最新的 GPT-4V 图像 API，对付图像类文件简直太强了！show more

爆赞!! 必须分享，爱死这款由 Jina AI 开发的工具了: 我一直在寻找集成Prompts 优化，GPTs和二次AI开发的工具,今天终于如愿 普通使用者, 用它可以极致优化Prompt(提示词)；... 开发者用它, 快速集成到MVP产品 还有，它居然支持优化 SD, MJ 那妖娆的Prompt. 以下是示例：show more

🚨 停止为100个AI工具付费。 我找到一个平台可以提供所有工具： ChatGPT、Claude、Midjourney、Gemini — 并排使用。 无费用。无需切换标签。 运作方式如下：👇

太猛了！谷歌 Gemini 直接塞了一个N8N 进去 ​ 把 Opal 塞到了 Gem... 功能里面，自然语言创建工作流 ​人人都可以创建自己的带界面的AI应用了，还能分享给其他Gemini用户使用，不消耗你的额度 用这个把我的屏幕使用时间提示词可视化变成了网页。一键生成海报、文本和播客 顺便写个教程👇show more

分享 GitHub 上一款能自动生成 Cursor 高质量的 MDC 规则文件开源工具：MDC Rules Generator。... 利用 Exa 语义搜索和 LLM 技术，自动收集各种库的最佳实践并生成结构化内容，还支持并行处理和进度跟踪，简化 Cursor 规则创建过程。 GitHub： 主要功能： - 为各种库自动生成全面的 MDC 规则文件； - 使用 Exa 语义搜索智能收集最佳实践指南； - 利用 LLM 创建详细、结构化的内容； - 支持并行处理多个库，大幅提高效率； - 智能跟踪进度，允许随时恢复中断的任务。 通过克隆代码到本地，安装依赖并配置 API 密钥即可使用，正在使用 Cursor 同学可以看下。show more