Loki Mode 是一个开源 CLI/SDK，可将产品规格转化为完全构建、测试和验证的代码库。它运行一个自主的 LLM 驱动工作流（Reason-Act-Reflect-Verify），包含八个质量门检查，并生成可由任何人重新验证的加密绑定“证据收据”。可通过 bun/npm/Homebrew/Docker 安装，使用 `loki quickstart` 创建新应用，或使用 `loki modernize heal` 评估和改进现有仓库。该工具需要 Anthropic API 密钥（或兼容模型），专注于可审计、生产级代码生成。

一款免费、开源的用于本地音频转录和说话人识别的应用程序，专为研究人员和记者设计，以确保数据隐私。

mcp2cli 是一个运行时 CLI 生成器，可将 MCP 服务器、OpenAPI 规范或 GraphQL 端点即时转换为即用型命令行工具。它支持 OAuth、安全密钥标志、内置配置、使用感知排序和机器可读 JSON 输出，使 LLM 代理和开发者能够以极低的 token 开销调用 API。

一款适用于 Chrome 和 Firefox 的浏览器扩展程序，利用文本转语音技术将网页文本转换为音频，从而提高可访问性并方便多任务处理。

Scalene 是一款快速的行级 Python 分析器，可测量 CPU、GPU (NVIDIA) 和内存使用情况，实现 Python 与原生代码的分离，可视化缝合后的堆栈，并能直接从 UI 向 LLM（OpenAI、Azure、Bedrock、Ollama 等）请求优化建议。

OpenCode Swarm 是一个 OpenCode 插件，可将单个 AI 编码提示转化为带门禁、可生产部署的工作流。它强制执行审查、测试、安全扫描和文档化，支持 13 种语言，提供可恢复会话、PR 监控和多种安全/速度模式。通过 `bunx opencode‑swarm install` 安装；通过 `~/.config/opencode/opencode‑swarm.json` 配置；使用 `/swarm agents`、`/swarm status`、`/swarm auto‑proceed` 等斜杠命令控制流程。

用于音频和音乐信号处理的 Python 库，为构建音乐信息检索系统提供基础工具。

一个适用于 Claude/Codex 的技能，通过四步“毛式”分析法指导 LLM 分析卡住的项目、团队冲突或人生决策，输出简洁文本摘要和可选的单文件 HTML 报告。

TaoMate 是一个研究级、实时音视频数字人生成系统。该仓库提供推理代码、多GPU启动器和四GPU交互式浏览器演示。它整合了 22B LTX-2.3 变压器、Gemma-3 文本编码器和可选的 Gemma-4 对话模型，需要高内存 NVIDIA GPU 和来自 Hugging Face 的独立模型检查点。

TTS Audio Suite 是一个 ComfyUI 扩展，整合了 19 个文本转语音、语音转换和音频编辑引擎（例如 F5‑TTS、DramaBox、Higgs Audio、Qwen3‑TTS、RVC）。它提供字幕感知生成、分段标签、可视化波形分析、静音语音时间对齐，以及内置的 RVC 模型训练功能，所有功能均通过运行时隔离实现不同引擎依赖项的独立管理。

一个基于 PyTorch 的音频库，提供用于机器学习的音频数据处理工具，具备 GPU 加速和专用音频变换功能。

一款用于创建长篇有声读物和播客的桌面应用，使用本地或云端 AI 文本转语音引擎，具备内置的质量验证和音频混音功能。

一个将 Neural Amp Modeler 引擎集成到 DAW 中的 VST3/AudioUnit 插件，实现 AI 驱动的吉他放大器建模。

BioMCP 是一个统一的 CLI/MCP 服务器，让用户和 AI 代理能通过简单的指令语法查询约 30 个生物医学数据库（如 PubMed、ClinVar、ClinicalTrials.gov、OncoKB 等），并可在实体间转换、执行本地研究分析及进行基因集富集分析。可通过脚本、uv/pip、Homebrew、Docker 或源代码安装，提供丰富来源信息的 JSON 或终端输出，并可直接与 Claude Code、Codex 和 Claude Desktop 集成。

Vime 是一个用于大语言模型的开源 RL 后训练框架。它将 slime/Megatron 分布式训练栈与 vLLM 推理（通过 vllm-router）相结合，以提供高吞吐量 rollouts 和灵活的数据生成流水线。支持的模型包括 Qwen, DeepSeek V3, 和 LLaMA 3。用户可以通过配置 Megatron, vLLM, 和 router 参数来运行 agentic RL, coding-agent RL, 或自定义 RL 算法。该仓库提供了快速入门文档、快速示例，以及为开发者提供的清晰的代码阅读路径。

TileLang‑Ascend 是一个基于 TVM 构建的 Python 风格 DSL，用于在华为 Ascend NPU 上编写高性能 AI 核函数。它提供了一个可发出 Ascend 专用代码的编译器，支持自动向量化、内存规划和同步，并以可使用 pip 安装的 wheel 形式发布，包含许多现成的示例（GEMM、Flash‑Attention 等）。

Memoria 是基于 MatrixOne 数据库构建的 AI 代理记忆的 Git 风格版本控制层。它为每一次记忆变更提供快照、分支、合并和回滚功能，支持混合向量/全文搜索、自动矛盾检测，并采用隐私优先的部署模式（云或自托管）。代理通过 MCP 命令或 REST API 与之交互，使记忆可安全修改、可审计且可在会话间复用。

一个基于网页的 Music-Source-Separation-Training 界面，允许用户使用各种 AI 模型从音乐轨道中分离人声和乐器。

Bol na 是一个开源框架，可协调语音转文字、LLM 和文字转语音服务，构建可发起和接收电话通话的语音优先助手。它提供核心服务器、电话 Webhook（Twilio/Plivo）、Redis 和 ngrok 的 Docker-Compose 容器，并提供 Python SDK（`Assistant`）用于构建流式管道。该平台与提供商无关（支持 Deepgram、Azure、OpenAI、ElevenLabs、AWS Polly 等），并可扩展至新的电话或音频服务。

一个使用 OpenAI 的 Whisper 提供实时、本地语音转文本转录和翻译的 OBS 插件，确保隐私且无云端成本。

OpenCove 是一款跨平台的 Electron 应用，提供一个无限的 2D 画布，让您可以在上面放置运行 AI 编码代理（如 Claude Code、Codex）的终端、笔记、任务和图片。布局、终端输出和代理状态会在重启后保留，您还可以为画布创建快照以便日后重复使用。它的目标是让 AI 助手的工作流程空间化，而不是隐藏在标签页或冗长的聊天记录中。

ElevenLabs 的官方 Python SDK，可让开发者将逼真的 AI 文本转语音、语音克隆和实时对话式 AI 代理集成到其应用程序中。

一种生产级的大型梵文吟诵文本转语音系统，能够生成传统的旋律吟诵，而非平淡的朗读语音。

一个高性能的 Python 库，用于读取、写入和应用专业级音频效果及第三方 VST3/Audio Unit 插件到音频文件和实时流中。

Humanize PPT 是一个开源 Python 编排工具，可将 Markdown 转换为观众状态转移（AST）幻灯片计划，决定每页媒体内容，将渲染任务交给下游 HTML 或 PPTX 技能，运行自动演示检查以标记“好看但无法讲解”的幻灯片，并生成轻量级演讲者外壳。它可通过简单技能安装与 AI 代理（Claude‑Code、Codex、Hermes）集成，支持下游渲染器如 `guizang-ppt-skill`、`frontend-slides`、`ppt‑master` 和媒体生成器（`baoyu-image-gen`、Remotion）。MIT 许可证。

基于 Qwen3-TTS 模型的 ComfyUI 自定义节点，支持高质量语音合成、零样本语音克隆与自然语言驱动的语音设计。

一个为 Claude Code 和其他 MCP 兼容代理设计的语音接口，支持使用云服务或本地语音服务，实现自然、免提的对话。

一个基于 Rust 的终端 UI 和 CLI，将数十个 AI 编码助手的对话日志聚合、归一化并索引到本地 SQLite 归档中。提供 60 毫秒以下的词法搜索和可选的设备内 MiniLM 语义搜索，配备稳定的 JSON 机器人模式 API，用于自动化和诊断。

一个 Python 语音转文本库，提供快速、实时的转录功能，并集成语音活动检测和唤醒词支持。

OpenCommit 是一个 Node.js CLI，利用 LLM（OpenAI、Anthropic、Ollama 等）从暂存变更中自动生成符合规范、带表情符号的 Git 提交消息。支持全局与项目级配置、多提供商、本地模型服务器、Git 钩子和 GitHub Action，实现提交消息的自动优化。

一个开源、自托管的文本转语音文档阅读器，支持 EPUB、PDF、TXT、MD 和 DOCX 文件的同步朗读播放。

MOSS-Audio 是一个开源音频理解模型，统一了语音、环境声音和音乐分析，并具备强大的时间感知与推理能力。

基于 ggml 的高性能 C++ 音频推理框架，可在多种硬件后端上实现 TTS、ASR 和语音克隆模型的快速、便携的本地执行。

HappyClaw 是一个自托管平台，可将 Anthropic Claude Code 代理作为长期运行的多用户服务运行。它封装了 Claude Agent SDK（TypeScript）和 Claude Code CLI，提供基于 Web 和 8 个即时通讯渠道的接口，支持隔离工作区（主机或 Docker）、完整的 Claude Code 功能（文件访问、Shell、浏览器、插件）、调度、使用量追踪，以及企业级 RBAC 和备份。

一个为 Asterisk 和 FreePBX 设计的开源 AI 语音代理，提供 STT、LLM 和 TTS 提供商的模块化流水线，可创建生产就绪的语音机器人。

专为 Apple Silicon 上的音频流媒体优化的实时音乐生成开源权重模型及推理引擎。

一个基于 `python-audio-separator`（UVR5 的 Python 版本）的用户友好图形界面，支持使用多种 AI 模型从音频和视频文件中分离人声与乐器。

Usage4Claude 是一款原生的 macOS 菜单栏应用，可实时监控 Anthropic Claude (以及可选的 OpenAI Codex) 的订阅配额。它支持所有 Claude 产品、多账号管理、自适应刷新、彩色用量环形图、通知功能，并将凭据安全地存储在 macOS Keychain 中。可以通过预构建的 DMG 文件安装，或使用 Swift/SwiftUI 从源码构建。

使用 CUDA 图捕获技术的高性能推理引擎，实现 Qwen3-TTS 的实时、低延迟语音克隆与语音生成。

一个工业级全能型 ASR 系统，结合了语音识别、语音活动检测、语种识别和标点预测，并对中文方言提供专门支持。

Lemmalog 是一个基于 Rust 的 Datalog 引擎，可将 LLM 提取的三元组转化为可验证、可增量更新的记忆存储。支持置信度加权事实、时间有效性、实体标准化、证明树生成以及混合 BM25 加实体检索层。通过 CLI、REPL 或 JSON-RPC MCP 服务器集成，驱动 Claude Code/Kimi 代理，在 MemEval 风格基准测试中表现优异，同时使用的令牌远少于全上下文基线。

一个核心 C++ DSP 库，提供运行音频插件中神经放大器模型所需的神经网络逻辑。

一个由 LLM 驱动的智能体，可抓取 URL、起草 Twitter/LinkedIn 帖子，经人工审核后通过 Arcade 或原生 OAuth 发布。基于 LangGraph 构建，支持 Slack、Supabase、GitHub 和 YouTube 集成，并可通过提示词文件配置。

用于对话式 AI 的开源 PyTorch 工具包，提供语音和文本处理（包括语音识别和合成）的方案和工具。

Murmure 是一个开源桌面应用，使用 NVIDIA 的 Parakeet TDT 0.6B v3 模型实现离线、以隐私为先的语音转文字。它在 Windows、macOS 和 Linux 上本地运行，支持 25 种欧洲语言，并提供无遥测的简单语音输入界面。

StemRoller 是一个免费应用程序，使用 Demucs 算法从通过整合的 YouTube 搜索找到的歌曲中分离人声与伴奏 stem。

字节跳动钢琴转录系统的GUI和打包工具，可将钢琴音频和视频录音转换为包含踏板数据的MIDI文件。

Claude Code 的社区重建版本，恢复了原始 CLI 并允许通过 GitHub 托管的推理端点（GitHub Models 和 Copilot）运行 Claude 家族模型。使用 Bun 安装，通过 `/provider` 或命令行标志选择提供商/模型，并使用恢复的工具使用循环。部分私有模块被沙盒替代，因此行为可能与专有原始版本不同。