Loading video...

Video Failed to Load

Go Home

不会剪视频的人，真的等到救星了！ 这个工具搞定语音转文字、翻译、配音、字幕生成和变声。 完全免费开源，在你电脑本地跑，不用上传到云端 GitHub:

3three_AI's profile picture

三个三

5,668 subscribers

30,648 views • 1 month ago •via X (Twitter)

Science & TechnologyEducation
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

💡工作流分享： 1 人1小时搞定片长 1 分钟的视频“中译英” 1.ffmpeg抽离中文配音 2.vocal remover分离bgm和中配 3.剪映转写中文字幕 4.GPT4.5 翻译润色英文字幕 5.elevenlabs TTS生成英配音频 6.FCPX合成（裁切原字幕+英字、合配音+原bgm音频、细节修正） 👀大佬们遇到类似场景有更好的解决方案么？
0:13

💡工作流分享： 1 人1小时搞定片长 1 分钟的视频“中译英” 1.ffmpeg抽离中文配音 2.vocal remover分离bgm和中配 3.剪映转写中文字幕 4.GPT4.5 翻译润色英文字幕 5.elevenlabs TTS生成英配音频 6.FCPX合成（裁切原字幕+英字、合配音+原bgm音频、细节修正） 👀大佬们遇到类似场景有更好的解决方案么？

SimbaLee

62,107 views • 1 year ago

宝玉老师的 BaoCut , 用来学英语，做信息搜集，简直太疯狂了 1/ 可以转录Youtube上任意视频，丢个URL就好 2/ 把翻译的中文，合轨到双语字幕 工具免费，skill 开源。你唯一要准备的是，Mac !!
0:13

宝玉老师的 BaoCut , 用来学英语，做信息搜集，简直太疯狂了 1/ 可以转录Youtube上任意视频，丢个URL就好 2/ 把翻译的中文，合轨到双语字幕 工具免费，skill 开源。你唯一要准备的是，Mac !!

黄赟

122,447 views • 2 months ago

突然想到一个做数字人的超低成本方案： 1. 先让 ChatGPT 生成人物形象和口播文案以及整个视频生成提示词，背景要带绿幕的 2. 上传这个绿幕人物形象到 Grok 视频生成网站，粘贴 GPT 写的提示词 3. 下载生成好的视频，打开达芬奇把绿幕抠掉，放到背景图片/视频上，导出视频 成本超级低！ 当然缺点也是有的，grok 最长只能生成 10s，还喜欢乱加字幕，如果不生成带声音的，声音自己合成也许就没这个问题。 生成效果也不太可控，不过这的确是成本很低的方案。
0:10

突然想到一个做数字人的超低成本方案： 1. 先让 ChatGPT 生成人物形象和口播文案以及整个视频生成提示词，背景要带绿幕的 2. 上传这个绿幕人物形象到 Grok 视频生成网站，粘贴 GPT 写的提示词 3. 下载生成好的视频，打开达芬奇把绿幕抠掉，放到背景图片/视频上，导出视频 成本超级低！ 当然缺点也是有的，grok 最长只能生成 10s，还喜欢乱加字幕，如果不生成带声音的，声音自己合成也许就没这个问题。 生成效果也不太可控，不过这的确是成本很低的方案。

柴郡🔔｜Crypto+AI Plus

24,136 views • 2 months ago

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。
0:15

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。

GitHubDaily

31,126 views • 1 year ago

最近中文推里，Rachel🥥 的数字人skill 太火了 如果你也想使用这个Skill, 算了一遍成本才发现，从声音克隆、配音到人物视频生成，每一层都在收费。10 秒视频要花 $1 左右。 本着独立开发者精神，能省则省的思路。 我就在想有没有本机部署模型的平替方案？ 今天花了 4 个小时，总算找到了。 声音部分：改成本地运行 Qwen3-TTS 模型，用一段自己的录音生成后续口播 wav文件。 视频目前仍然使用 HeyGen： 但我已经找到代替方案 LongCat-Video-Avatar 1.5 模型（待测试）。 我发现在调用 HeyGen 花$0.6 后，生成的口播视频，缺少字幕，这就成了半成品。 无意中发现好友 Jasper Wei 的 JPW-Live-Cut 给了我新的启发。我复用了他的 Remotion 字幕思路，单独做了一条本地字幕流水线，让它支持任意长度的普通口播视频。 现在整条流程已经变成： 本人参考声音 → 本地 Qwen3-TTS 生成口播 → 本地 ASR 检查 → HeyGen 生成人物视频 → Remotion 自动添加字幕 → 人工确认最终成片 下一步很明确：用LongCat-Video-Avatar 1.5 替代 HeyGen 的方案，把人物视频生成这笔费用也压下来。 让花费$0 也能做数字人。 成品效果见视频。
0:12

最近中文推里，Rachel🥥 的数字人skill 太火了 如果你也想使用这个Skill, 算了一遍成本才发现，从声音克隆、配音到人物视频生成，每一层都在收费。10 秒视频要花 $1 左右。 本着独立开发者精神，能省则省的思路。 我就在想有没有本机部署模型的平替方案？ 今天花了 4 个小时，总算找到了。 声音部分：改成本地运行 Qwen3-TTS 模型，用一段自己的录音生成后续口播 wav文件。 视频目前仍然使用 HeyGen： 但我已经找到代替方案 LongCat-Video-Avatar 1.5 模型（待测试）。 我发现在调用 HeyGen 花$0.6 后，生成的口播视频，缺少字幕，这就成了半成品。 无意中发现好友 Jasper Wei 的 JPW-Live-Cut 给了我新的启发。我复用了他的 Remotion 字幕思路，单独做了一条本地字幕流水线，让它支持任意长度的普通口播视频。 现在整条流程已经变成： 本人参考声音 → 本地 Qwen3-TTS 生成口播 → 本地 ASR 检查 → HeyGen 生成人物视频 → Remotion 自动添加字幕 → 人工确认最终成片 下一步很明确：用LongCat-Video-Avatar 1.5 替代 HeyGen 的方案，把人物视频生成这笔费用也压下来。 让花费$0 也能做数字人。 成品效果见视频。

左海

19,654 views • 2 months ago

Claude 开发者大会给KOL发的这个Cardputer感觉很不错 售价 $29.9（约 ¥215） 可以： 在 Cardputer 上敲问题 → 通过 WiFi 发到你电脑 → 电脑上的 Claude Code 处理 → 结果回传到小屏幕显示 当语音对讲口：按住按键说话 → 录音传到你电脑 → STT 转文字 → 喂给 Claude → TTS 播回小喇叭 当 Claude 的"实体宠物"：屏幕上跑个像素小动物，Claude 思考时它在动，回答时它说话 也可以把把 Cardputer 接到 OpenClaw上，支持语音输入、TTS 语音回答
0:10

Claude 开发者大会给KOL发的这个Cardputer感觉很不错 售价 $29.9（约 ¥215） 可以： 在 Cardputer 上敲问题 → 通过 WiFi 发到你电脑 → 电脑上的 Claude Code 处理 → 结果回传到小屏幕显示 当语音对讲口：按住按键说话 → 录音传到你电脑 → STT 转文字 → 喂给 Claude → TTS 播回小喇叭 当 Claude 的"实体宠物"：屏幕上跑个像素小动物，Claude 思考时它在动，回答时它说话 也可以把把 Cardputer 接到 OpenClaw上，支持语音输入、TTS 语音回答

小互

59,609 views • 5 months ago

Memo 可以使用本地大模型离线翻译视频和字幕了！ - 保护隐私：意味着你的私密会议、对话不会被传到互联网 - 省钱：不过换算硬件和电费，也省不了多少钱 - 延迟低，断网可用：无网环境下，真的需要不耽误事 测试翻译效果的话，越大模型效果会好一些。
0:10

Memo 可以使用本地大模型离线翻译视频和字幕了！ - 保护隐私：意味着你的私密会议、对话不会被传到互联网 - 省钱：不过换算硬件和电费，也省不了多少钱 - 延迟低，断网可用：无网环境下，真的需要不耽误事 测试翻译效果的话，越大模型效果会好一些。

Memo AI

52,578 views • 2 years ago

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。
0:12

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。

Geek

63,552 views • 5 months ago

试了一下chatgpt最新的文字转视频的插件heygen，太牛逼 口型和语音完全对得上，而且支持中文 我用gpt生成文字，然后一键生成视频 这以后口播类的主播们岂不是都不用自己播了？从另一个角度来说，竞争岂不是会大大加剧？ 来看看效果 🧵
0:14

试了一下chatgpt最新的文字转视频的插件heygen，太牛逼 口型和语音完全对得上，而且支持中文 我用gpt生成文字，然后一键生成视频 这以后口播类的主播们岂不是都不用自己播了？从另一个角度来说，竞争岂不是会大大加剧？ 来看看效果 🧵

rick awsb ($people, $people)

185,163 views • 3 years ago

最近彻底沉迷 AI 视频创作，挖到了一个宝藏工具非常推荐！ 以前做一条视频，得在 Codex 写剧本、ComfyUI 跑工作流、剪辑软件后期之间来回切换 换成 Edimakor Taiwan 的 Edimakor 之后直接被震撼到，智能剧本生成、AI 生视频、后期剪辑，全在一个软件里搞定 连屏幕录制、AI 音效、数字人、自动字幕这些实用功能也都齐全，真正做到「一个就够」 包括目前最火的 MiniMax H3 也能在里面非常流畅地直接调用，我非常轻松地在里面生成了一个雪中古装红衣女子撑伞回眸的电影感画面，效果真的好到爆炸！ 直达链接：
0:15

最近彻底沉迷 AI 视频创作，挖到了一个宝藏工具非常推荐！ 以前做一条视频，得在 Codex 写剧本、ComfyUI 跑工作流、剪辑软件后期之间来回切换 换成 Edimakor Taiwan 的 Edimakor 之后直接被震撼到，智能剧本生成、AI 生视频、后期剪辑，全在一个软件里搞定 连屏幕录制、AI 音效、数字人、自动字幕这些实用功能也都齐全，真正做到「一个就够」 包括目前最火的 MiniMax H3 也能在里面非常流畅地直接调用，我非常轻松地在里面生成了一个雪中古装红衣女子撑伞回眸的电影感画面，效果真的好到爆炸！ 直达链接：

0xMomo

13,092 views • 1 month ago

MiniMax H3 开源了，普通人能不能用？ 能，但要分两种情况。 想直接生成视频： 不用安装模型，也不用买显卡，直接用 MiniMax 官方网页或 API，按使用量付费。最省事，但具体价格要看官方平台当前显示。 想免费本地运行： 先从 GitHub 下载 H3，再安装运行工具，比如 ComfyUI 或 SGLang。 需要你的电脑有高性能显卡。官方示例是 4 张 GPU，普通电脑和游戏本基本跑不动。模型文件免费，不代表使用免费，显卡、电费、云服务器都要自己承担 H3 有两个版本： FL2VA：输入文字、首尾画面来生成视频 Ref2VA：输入图片、视频、音频作为参考来生成视频 它能生成 4～15 秒视频，并同步生成声音。 注意： 现在开源的主要是基础模型，本地通常生成 768p 视频。复杂提示词处理和 2K 高清输出，还要调用官方 API。 一句话： 没显卡，直接用网页或 API 有高端显卡，才适合本地部署 想研究模型，下载开源权重 想马上出片，别折腾安装。 下面是MiniMax H3 跟Seedonce 2.0 同样的提示词生成 GitHub：
0:15

MiniMax H3 开源了，普通人能不能用？ 能，但要分两种情况。 想直接生成视频： 不用安装模型，也不用买显卡，直接用 MiniMax 官方网页或 API，按使用量付费。最省事，但具体价格要看官方平台当前显示。 想免费本地运行： 先从 GitHub 下载 H3，再安装运行工具，比如 ComfyUI 或 SGLang。 需要你的电脑有高性能显卡。官方示例是 4 张 GPU，普通电脑和游戏本基本跑不动。模型文件免费，不代表使用免费，显卡、电费、云服务器都要自己承担 H3 有两个版本： FL2VA：输入文字、首尾画面来生成视频 Ref2VA：输入图片、视频、音频作为参考来生成视频 它能生成 4～15 秒视频，并同步生成声音。 注意： 现在开源的主要是基础模型，本地通常生成 768p 视频。复杂提示词处理和 2K 高清输出，还要调用官方 API。 一句话： 没显卡，直接用网页或 API 有高端显卡，才适合本地部署 想研究模型，下载开源权重 想马上出片，别折腾安装。 下面是MiniMax H3 跟Seedonce 2.0 同样的提示词生成 GitHub：

猪脚饭.Ai

31,939 views • 2 months ago

别再到处找视频下载工具了，这个视频下载神器已经在gitHub 斩获 17w star 兼容抖音、小红书、B站以及海外上千个视频平台 支持分段下载、多线程、外挂字幕、直播录制、无损画质，电脑手机都能用 一个工具就能搞定所有平台的视频下载。
0:18

别再到处找视频下载工具了，这个视频下载神器已经在gitHub 斩获 17w star 兼容抖音、小红书、B站以及海外上千个视频平台 支持分段下载、多线程、外挂字幕、直播录制、无损画质，电脑手机都能用 一个工具就能搞定所有平台的视频下载。

阿西_出海

18,887 views • 3 months ago

语音圈真的炸了，这个github开源黑科技把AI语音干到了离谱的程度，项目叫 VoxCPM2，已经揽获 22.9k star。 你用自然语言描述一个声音，它就能帮你生成出来。 不用找参考音频，也不需要任何样本，直接就能出效果。 更绝的是它的克隆能力。 随便找一段音频扔进去，它可以 1:1 复刻那个声音的音色、语气、情绪和节奏。 如果你再把原始文字稿也一起给它，连说话时的呼吸节奏、细微停顿都能还原。
0:10

语音圈真的炸了，这个github开源黑科技把AI语音干到了离谱的程度，项目叫 VoxCPM2，已经揽获 22.9k star。 你用自然语言描述一个声音，它就能帮你生成出来。 不用找参考音频，也不需要任何样本，直接就能出效果。 更绝的是它的克隆能力。 随便找一段音频扔进去，它可以 1:1 复刻那个声音的音色、语气、情绪和节奏。 如果你再把原始文字稿也一起给它，连说话时的呼吸节奏、细微停顿都能还原。

阿西_出海

52,989 views • 3 months ago

最近在回顾《权力的游戏》，但因为现在在日本没法订阅 HBO，所以我打开了 U-NEXT（我的 U-NEXT 订阅里其实有 HBO 的一部分影视资源）。 不过日本的正版网站只有日语字幕，所以我就想着，能不能让 ChatGPT 帮我把日本这些流媒体的非日语资源，全部做成中英文对照的字幕，然后覆盖在播放器上，GPT-6.1 SOL 发布之后，正好我试试看，结果它几分钟就做出来如图3的效果。 所以，如果你在学一门新的语言（比如说日语或者法语），你也可以使用吹替版本，然后在字幕下面要求 Codex 去做假名注音，并且把不懂的词汇给你放到生词表里。 而且，这几乎适用于世界上任何视频和语音资源。我可以这么理解：AI 也许会改变所有流媒体的产品形态。我们也许会看到一种终极的播放器，它可以播放世界上任何的视频和音频，并且完全以你要求的语言（例如母语）来进行匹配，或者换句话说，电脑本身的用户界面会变成某种播放器，因为用户界面也是即时生成的，你可以把它理解为视频的一部分。 人机交互界面正在被混合成某种灰色的领域。
0:08

最近在回顾《权力的游戏》，但因为现在在日本没法订阅 HBO，所以我打开了 U-NEXT（我的 U-NEXT 订阅里其实有 HBO 的一部分影视资源）。 不过日本的正版网站只有日语字幕，所以我就想着，能不能让 ChatGPT 帮我把日本这些流媒体的非日语资源，全部做成中英文对照的字幕，然后覆盖在播放器上，GPT-6.1 SOL 发布之后，正好我试试看，结果它几分钟就做出来如图3的效果。 所以，如果你在学一门新的语言（比如说日语或者法语），你也可以使用吹替版本，然后在字幕下面要求 Codex 去做假名注音，并且把不懂的词汇给你放到生词表里。 而且，这几乎适用于世界上任何视频和语音资源。我可以这么理解：AI 也许会改变所有流媒体的产品形态。我们也许会看到一种终极的播放器，它可以播放世界上任何的视频和音频，并且完全以你要求的语言（例如母语）来进行匹配，或者换句话说，电脑本身的用户界面会变成某种播放器，因为用户界面也是即时生成的，你可以把它理解为视频的一部分。 人机交互界面正在被混合成某种灰色的领域。

郭宇 guoyu.eth

49,189 views • 7 days ago

学习累了看会片：偶然间发现了一个提供各种影视资源的导航平台：不求人导航，就如这个名字，以后找片啥的不用求人了，各种免费影视资源，无损音乐，下载工具，磁力搜索等的，里面覆盖的资源基本都能满足你了。低调收藏⬇️ 🔗：
0:12

学习累了看会片：偶然间发现了一个提供各种影视资源的导航平台：不求人导航，就如这个名字，以后找片啥的不用求人了，各种免费影视资源，无损音乐，下载工具，磁力搜索等的，里面覆盖的资源基本都能满足你了。低调收藏⬇️ 🔗：

知识分享官

130,965 views • 1 year ago

🚨重大新闻：最佳免费AI视频工具来了！ 现在只需文字描述就能生成高质量4K视频。 SkyReels V2是开源、无限制且完全免费的。 下面是工作原理（附真实案例）：👇
0:10

🚨重大新闻：最佳免费AI视频工具来了！ 现在只需文字描述就能生成高质量4K视频。 SkyReels V2是开源、无限制且完全免费的。 下面是工作原理（附真实案例）：👇

露西的百宝箱

154,298 views • 1 year ago

找了很久的本地格式转换工具，终于找到完美方案。 VERT - 开源转换神器 ✓ 完全本地运行(基于 WebAssembly) ✓ 无文件大小限制 ✓ 支持 250+ 格式:图片/音频/文档/视频 ✓ Docker 一键部署 + 中文支持 ✓ 界面简洁(Svelte 开发) 特别适合: - 批量转 WebP 减少网站体积 - 处理敏感文件不想上传云端
0:13

找了很久的本地格式转换工具，终于找到完美方案。 VERT - 开源转换神器 ✓ 完全本地运行(基于 WebAssembly) ✓ 无文件大小限制 ✓ 支持 250+ 格式:图片/音频/文档/视频 ✓ Docker 一键部署 + 中文支持 ✓ 界面简洁(Svelte 开发) 特别适合: - 批量转 WebP 减少网站体积 - 处理敏感文件不想上传云端

katon

23,717 views • 10 months ago

这种数字人直播间的搭建成本不到500一个月你敢信？ 之前老刷到这种数字人直播， 今天好奇去问了朋友到底怎么搞的， 结果这门槛低到让我有点惊讶。 现在已经可以做到“半无人”实时驱动了： 真人只需要坐在镜头前，系统拉取摄像头， 靠本地音频就能实时驱动口型，主播全程不用开口说话 不仅能正常加投流，重点是成本算下来竟然不到500 这下业内真不用再担心主播跳槽或者跑路了 AI确实在不知不觉中改变了很多行业的玩法……
0:10

这种数字人直播间的搭建成本不到500一个月你敢信？ 之前老刷到这种数字人直播， 今天好奇去问了朋友到底怎么搞的， 结果这门槛低到让我有点惊讶。 现在已经可以做到“半无人”实时驱动了： 真人只需要坐在镜头前，系统拉取摄像头， 靠本地音频就能实时驱动口型，主播全程不用开口说话 不仅能正常加投流，重点是成本算下来竟然不到500 这下业内真不用再担心主播跳槽或者跑路了 AI确实在不知不觉中改变了很多行业的玩法……

莫森 | 破局哥

35,704 views • 7 months ago