乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > AI开源工具清单:从语音克隆到自动剪辑,这些项目值得收藏

AI开源工具清单:从语音克隆到自动剪辑,这些项目值得收藏

当前时间： 2026-04-27 14:56:19 更新时间： 2026-04-27 分类：软件教程 评论(0)

AI开源工具清单:从语音克隆到自动剪辑,这些项目值得收藏

今天在整理文件夹的时候，我突然意识到一个问题。

我这一年下来，光是找到好用的AI工具、验证能不能跑通、研究怎么配置环境，花的时间可能比真正用起来的时间还多。

这种感觉太熟悉了。就跟当年学编程一样，光是配环境就配了一周，真正写代码反而只用了两天。

AI工具也是这样。前期调研的时间成本，有时候比工具本身的价值还高。

所以今天，我把最近折腾过的几个开源项目整理了一下。不整虚的，每个都带完整GitHub链接，保证你能直接clone下来跑通。

一、语音克隆工具：5秒音频就能克隆你的声音

先说一个最近让我特别兴奋的方向——语音克隆。

说实话，我以前觉得这东西是专业人士才能玩的。需要录音棚、需要高质量音频、需要大量算力。普通人根本沾不上边。

但现在不一样了。

GPT-SoVITS

GitHub: https://github.com/RVC-Boss/GPT-SoVITS

这个项目最大的特点是门槛低到什么程度呢？

你给它5秒的音频，它就能复刻出你的声音。

5秒。就录一句话的功夫。

我用它测试了一下，录了自己读的一段话，然后让它用我的声音读了一段完全不同的内容。效果怎么说呢，有七八分像了。

对于普通用户来说，最友好的地方在于它有Windows集成包。下载下来，双击一下，直接就能跑。不用折腾什么conda、Python环境这些。

它的核心功能包括：

  • Zero-shot TTS：5秒音频即时克隆
  • Few-shot TTS：1分钟训练数据微调，音色更逼真
  • 跨语言支持：中文、英文、日文、韩文、粤语都能跑

推理速度也不错。用RTX 4060Ti的话，1400字大概需要4分钟。如果是RTX 4090，那更快。

想体验的话，它有Hugging Face的在线Demo可以直接试：https://lj1995-gpt-sovits-proplus.hf.space/

CosyVoice

GitHub: https://github.com/FunAudioLLM/CosyVoice

这个是阿里出的开源项目。

相比GPT-SoVITS，它有一个很骚的功能——跨语种克隆。你给它一段中文音频，它可以用这个声音说英文。

坦率的讲，这对做跨境内容的朋友来说，应该挺有用的。

最低只需要3秒音频就能开始克隆，零样本复刻能力很强。多语言场景下用它会比较顺手。

F5-TTS

GitHub: https://github.com/SWivid/F5-TTS

上海交大开源的项目。

我是真的觉得，这个项目的强项是速度。极速推理，支持超长文本，而且可以做流式输出。

如果你是做批量生成的，比如需要快速生成大量语音内容，这个会非常合适。

我测试了一下，15秒的音频样本就能开始工作，生成出来的内容很流畅。

Fish-Speech

GitHub: https://github.com/fishaudio/fish-speech

这个项目的特点是什么？低延迟。

如果你做实时对话、数字人、语音助手这类场景，需要延迟越低越好。Fish-Speech就是为这个设计的。

它也支持多语言，中文效果不错。

二、自动剪辑视频：AI帮你剪掉口癖和废话

说完语音，再说说视频。

最近我花了点时间研究自动剪辑视频的工具。说真的，想看看AI能不能帮我把那些口播视频里的废话剪掉。

结果发现，这个领域已经有很多可以用的东西了。

video-use

GitHub: https://github.com/browser-use/video-use

这个是最近最火的一个。

它是一个Claude Code的Skill。简单来说，你把原始视频素材丢进一个文件夹，然后跟Claude Code对话，告诉它你想怎么剪辑，最后它会输出一个final.mp4。

核心功能包括：

  • 自动剪掉口头禅（嗯、啊、false start）和镜头间的空白
  • 自动对每个片段调色，支持暖色电影风、中性冲击感
  • 每个剪切点加30ms音频淡入淡出，消除爆音
  • 自动烧录字幕，默认两词一组全大写，可完全自定义
  • 通过Manim、Remotion或PIL生成动画叠加层
  • 每次渲染完成后在每个剪切点自动自评，通过后才呈现给你
  • 用project.md持久化会话记忆，下次打开继续上次进度

这个东西最骚的地方在于，它不是那种「一键剪辑」的黑盒。你可以通过对话来精细控制剪辑逻辑。比如「把所有出现’呃’的地方剪掉，但保留语速正常的地方」，这种模糊需求它都能理解。

安装方式也很简单：

git clone https://github.com/browser-use/video-usecd video-useln -s "$(pwd)" ~/.claude/skills/video-usepip install -e .brew install ffmpeg

需要Python 3.8以上，以及FFmpeg。

videocut-skills

GitHub: https://github.com/Ceeon/videocut-skills

这个是专门为口播视频设计的Claude Code Skill。

我测试了一下，19分钟的口播原片，丢进去，它自动识别了608处问题。其中静音114处，口误/重复494处。剪辑后视频72MB，全程AI辅助，人工只需要确认。

对比一下剪映，它有几个明显优势：

  • 语义理解：AI逐句分析，识别重说、纠正、卡顿。剪映只能模式匹配
  • 静音检测：超过0.3秒自动标记，可调节阈值。剪映是固定阈值
  • 重复句检测：相邻句开头超过5字相同就删前保后。剪映没有这个功能
  • 词典纠错：可以自定义专业术语词典。剪映没有
  • 自更新：记住你的偏好，越用越准

对于做口播内容的朋友来说，这个工具应该挺有用的。

Pilipili-AutoVideo

GitHub: https://github.com/OpenDemon/Pilipili-AutoVideo

这个项目的定位是全自动AI视频代理。

特点是「一句话生成带字幕成片」。你给它一个主题描述，它直接给你输出一段完整的视频。

支持本地部署。2026年3月刚刚做了大更新，修复了竖屏比例、角色一致性、风格漂移、字幕清洗等8个问题。

如果你想要一个完全自动化的流程，不想在剪辑上花太多时间，这个可以试试。

Crayotter

GitHub: https://github.com/idwts/Crayotter

这个项目的核心理念很有意思。

它把视频生成拆成了三个阶段：规划、剪辑研究、工具执行。不是把所有过程塞进一个大模型，而是分工合作。

每个阶段专注做一件事，串联起来完成整个视频创作流程。

有在线演示可以体验：https://idwts.github.io/Crayotter

三、LLM应用模板库：100多个可以直接跑的Agent

说完具体的工具，再说一个让我眼前一亮的项目。

awesome-llm-apps

GitHub: https://github.com/Shubhamsaboo/awesome-llm-apps

这个项目收录了100多个LLM应用模板，全部可以clone下来直接跑。

许可证是Apache-2.0，可以商用，没有付费墙、没有注册、没有遥测。

它的定位是「LLM应用的Cookbook」。就像做菜有食谱，做LLM应用有这个模板库。

模板按功能分类：

  • Starter AI Agents（12个）：单文件Agent，只需API key即可运行
  • Advanced AI Agents（21个）：生产级Agent，含工具、记忆、多步推理
  • Multi-agent Teams（13个）：多Agent协作
  • Voice AI Agents（4个）：语音Agent
  • MCP AI Agents（5个）：MCP协议Agent
  • RAG（19个）：检索增强生成
  • Agent Skills（19个）：Agent技能系统

每个模板都是手写的原创代码，经过端到端测试才发布。3条命令就能运行，没有坏的requirements.txt。

支持的模型也很全面：Claude、Gemini、GPT、Llama、Qwen、xAI，一行配置就能切换。

快速开始：

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.gitcd awesome-llm-apps/starter_ai_agents/ai_travel_agentpip install -r requirements.txtstreamlit run travel_agent.py

每个模板都有免费的step-by-step教程，地址是 https://www.theunwindai.com

说在最后

如果你也在折腾这些工具，别嫌麻烦。多花点时间把环境配好、把流程跑通，后面会省很多事。

这种投资，值。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。

作者：剑飞，本文共3800字