Mpv
命令行视频播放器，35K+ stars。极简设计、高度可定制、支持几乎所有音视频格式，是本地视频处理和 AI 视频分析的理想播放工具
🎯适用场景：本地视频播放、AI 视频分析预览、多媒体格式转换
📊 仓库数据
📈 上次抓取以来 ↑+2 ⭐
✅ 优点
- •极简设计高度可定制
- •支持几乎所有音视频格式
- •命令行批处理效率高
- •AI 视频分析播放工具
⚠️ 限制
- •无 GUI 界面对新手不友好
- •配置文件语法需学习
- •部分流媒体协议支持有限
🔗 相关工具
FFmpeg
github.com/FFmpeg/FFmpeg
FFmpeg 多媒体处理框架的增强版本，60K+ stars。支持音视频转码、剪辑、滤镜、流媒体等全功能，是视频 AI 处理和多媒体应用的底层基础设施
🎯AI 视频预处理、音视频转码剪辑、多媒体流处理
PPT Master
github.com/hugohe3/ppt-master
AI 从文档生成可编辑 PowerPoint 的工具，22.7K+ stars。支持原生形状和动画、演讲者备注音频旁白、可跟随自有 .pptx 模板，而非简单的幻灯片图片导出
🎯文档转 PPT、自动化演示文稿生成
Silero VAD
github.com/snakers4/silero-vad
企业级预训练语音活动检测器，轻量高效。支持流式和离线模式，可精确检测语音起止点，是语音识别、会议转录、客服质检等场景的基础设施
🎯语音识别前置处理、会议/客服音频分割、实时语音流检测
Stable Diffusion WebUI
github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯大模型微调与训练、多模态内容理解与生成
ComfyUI
github.com/comfyanonymous/ComfyUI
节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型
🎯AI 工作流编排与自动化、多模态内容理解与生成
OpenAI Whisper
github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯多语言语音转文字、音频转录、本地私有化语音识别