Umi-OCR
Umi-OCR 是一款免费开源的离线 OCR 文字识别软件，支持截屏识别、批量导入图片识别、PDF 文档识别，可排除水印和页眉页脚干扰，支持扫描和生成二维码，内置多国语种识别库。44K+ stars。
🎯适用场景：日常文字识别、批量 OCR 处理、离线环境下的文字提取
📥 收录于 2026/6/3
📊 仓库数据
📈 Stars 变化 ↑9 小时 +3· 统计区间 7/17 20:11 → 7/18 05:19（9 小时）
✅ 优点
- •完全离线可用无需联网
- •支持截图批量导入 PDF 多种输入方式
- •多语种识别支持
- •开源免费
⚠️ 限制
- •最后推送为 2025 年 11 月更新频率较低
- •识别精度不如商业 OCR 服务
- •仅支持桌面平台
🔗 相关工具
MoneyPrinterTurbo
github.com/harry0703/MoneyPrinterTurbo
AI 短视频生成工具，56,087+ stars。利用大模型一键生成高清短视频，自动完成选题、文案、配音、字幕、画面生成全流程。是国内最受欢迎的 AI 短视频自动化工具。
🎯多模态内容理解与生成
Sora 2
openai.com/sora
OpenAI 的旗舰级视频生成模型，基于 Diffusion Transformer 架构。支持最长 60 秒视频生成，在物理模拟（流体、光影、碰撞）方面表现卓越。通过 ChatGPT Plus/Pro 订阅可用，是 2026 年质量最高的文生视频模型。
🎯多模态内容理解与生成
LivePortrait
github.com/KlingAIResearch/LivePortrait
让静态肖像照片“活起来”的 AI 肖像动画工具。支持单张照片驱动面部表情、头部姿态和口型同步，可生成逼真的肖像动画视频。18K+ stars，是开源数字人和肖像动画领域的标杆项目
🎯多模态内容理解与生成
Wan 2.2
github.com/Wan-Video/Wan2.2
开源大规模视频生成模型，16K+ stars。支持高质量文本到视频和图像到视频生成，是开源视频生成领域的最新标杆
🎯开源视频生成，适用于内容创作、广告制作、教育视频
Wan 2.1
github.com/Wan-Video/Wan2.1
阿里巴巴通义万相视频生成模型 Wan 2.1，支持高质量文本到视频生成，支持多种分辨率和时长，开源权重可商用
🎯AI 视频生成、文本到视频转换、创意内容制作
Duix-Avatar
github.com/duixcom/Duix-Avatar
真正开源的AI数字人工具包，支持离线视频生成和数字人克隆，适用于虚拟主播、客服等场景的数字人创建。
🎯虚拟主播创建、数字人客服、离线视频生成
