6月1日GitHub热榜 微软文档转换神器日涨近三千星 七个项目不容错过

今日 GitHub 热榜，微软 MarkItDown 强势登顶日涨 2798 星，AI 视频生成、语音克隆、从零训 LLM 等项目扎堆上榜。实用工具与硬核教程齐飞，这七个项目值得你花五分钟了解一下。

1 MarkItDown —— 微软出品的万能文档转 Markdown 工具

🌟 136,154 星 | ⭐ 今日 +2,798 | Python

🔗 https://github.com/microsoft/markitdown

今天的热榜第一名属于微软。MarkItDown 做的事情很直接——把你手里的任何文件转成干净的 Markdown 格式。

别小看这件事。当你需要把一堆 PDF、Word、Excel、PPT、甚至图片和音频喂给大语言模型时，格式转换往往是最头疼的一步。MarkItDown 直接把这个环节干掉了。

支持的格式极其丰富：

• 📄 PDF、Word（.docx）、Excel（.xlsx）、PPT（.pptx）
• 🌐 HTML 网页
• 🖼️ 图片（支持 OCR 识别和 EXIF 提取）
• 🎵 音频（自动语音转录）
• 📦 ZIP 压缩包（递归处理内部文件）
• 📊 CSV、JSON、XML 等结构化数据

安装一行搞定：

pip install markitdown 

使用也极简，命令行直接转：

markitdown path-to-file.pdf > output.md 

一句话评价：给 AI 喂文档之前的”标准预处理器”，13 万星不是没道理的。

2 MoneyPrinterTurbo —— AI 一键生成短视频

🌟 75,791 星 | ⭐ 今日 +1,937 | Python

🔗 https://github.com/harry0703/MoneyPrinterTurbo

老朋友又回来了。这个项目已经是 GitHub 的常客，但它确实好用到让人反复推荐。

输入一个话题或关键词，它就能自动完成从文案撰写到视频成片的全流程：

• 📝 AI 生成文案脚本
• 🖼️ 自动搜索匹配的无版权素材
• 🗣️ 多种语音合成引擎可选，支持试听
• 📝 字幕自动生成，字体颜色位置全可调
• 🎵 自动配背景音乐
• 🎬 输出竖屏（9:16）或横屏（16:9）高清视频

后端接入了 DeepSeek、GPT、Gemini、通义千问等 10+ 大模型，灵活切换。

一句话评价：做知识类短视频的自媒体人，靠这一个工具就能把日更效率翻倍。

3 build-your-own-x —— 造轮子学编程的终极指南

🌟 509,735 星 | ⭐ 今日 +1,158 | Markdown

🔗 https://github.com/codecrafters-io/build-your-own-x

50 万星的项目，GitHub 上排名前几的”镇站之宝”。今天又涨了 1000 多星，说明一件事：永远有人在通过造轮子学编程。

这个仓库汇集了几百篇”从零实现 XXX”的高质量教程，覆盖你能想到的几乎所有技术领域：

• 🔧 自己写一个 Git、Docker、数据库
• 🌐 自己实现一个 Web 服务器、HTTP 客户端
• 🤖 自己训练一个神经网络、搜索引擎
• 🎮 自己做一个 3D 渲染器、物理引擎

每篇教程都附带完整的源码和详细步骤说明。

一句话评价：学编程最好的方式就是造轮子，而这里有全世界最全的造轮子指南。

4 VoxCPM —— 免分词器的多语言语音合成

🌟 23,841 星 | ⭐ 今日 +635 | Python

🔗 https://github.com/OpenBMB/VoxCPM

来自清华大学 OpenBMB 团队的语音合成项目。VoxCPM2 的最大特点是不需要分词器（Tokenizer-Free），直接在原始音频上建模。

这意味着什么？更自然的语音、更灵活的风格控制、更好的多语言支持。

核心能力：

• 🎤 声音克隆：给一段参考音频，就能生成同样音色的语音
• 🎭 风格可控：语速、情感、语调都能精细调节
• 🌍 多语言支持：中英日等多语种混合生成
• 🎨 创意语音设计：用文字描述想要的声音风格

提供了 WebUI 和 API 两种使用方式，支持接入 OpenAI 兼容客户端。

一句话评价：让机器说话不再”机器味”，TTS 赛道又多了一个强力选手。

5 train-llm-from-scratch —— 手把手教你从零训练大模型

🌟 3,286 星 | ⭐ 今日 +626 | Jupyter Notebook

🔗 https://github.com/FareedKhan-dev/train-llm-from-scratch

名字就是最好的介绍——从下载数据到生成文本，一步步教你训练自己的 LLM。

这不是那种”调 API 假装训练”的教程，而是真刀真枪地从数据处理、分词、模型架构、训练循环到推理生成全部手写。

教程覆盖的完整流程：

2. 📥 下载和清洗训练数据
4. ✂️ 分词器训练（使用 GPT-2/GPT-3 的 Tokenizer）
6. 🏗️ 从零搭建 Transformer 架构
8. 🔥 编写训练循环，支持梯度累积
10. 💬 实现推理和文本生成

所有代码都在 Jupyter Notebook 里，可以一个 Cell 一个 Cell 地跑，非常适合学习。

一句话评价：想真正理解大模型是怎么训出来的？跟着这个仓库走一遍就够了。

6 Scrapling —— 自适应反检测爬虫框架

🌟 57,247 星 | ⭐ 今日 +606 | Python

🔗 https://github.com/D4Vinci/Scrapling

如果你还在用 requests + BeautifulSoup 写爬虫，可以看看这个。Scrapling 号称是一个自适应的爬虫框架，能自动处理从单次请求到大规模爬取的所有场景。

它解决的核心痛点：

• 🛡️ 反检测：自动处理指纹识别、JavaScript 渲染、验证码等反爬手段
• 🔄 自适应选择器：网页结构变了？它能自动调整元素定位策略
• ⚡ 性能：内置连接池和并发控制
• 🧠 智能解析：支持 CSS 选择器、XPath、文本搜索等多种元素定位方式

提供同步和异步两种 API，支持 Session 管理和 Cookie 持久化。

一句话评价：爬虫界的”全自动挡”，应对网站反爬不再需要手动调参。

7 Claude Code —— Anthropic 官方的终端 AI 编程工具

🌟 129,161 星 | ⭐ 今日 +489 | Python

🔗 https://github.com/anthropics/claude-code

Anthropic 的亲儿子，Claude Code 是一个运行在终端里的 AI 编程代理。和 Copilot 之类的补全工具不同，它更像一个能理解整个项目的编程搭档。

核心特点：

• 🖥️ 直接在终端运行，不依赖任何 IDE
• 📂 能扫描和理解整个代码仓库的结构
• 🔧 可以编辑文件、运行命令、调试代码
• 🧪 支持创建和运行测试
• 🔀 直接操作 Git，提交、创建 PR 一条龙

12 万星的体量说明社区已经充分验证了它的实力。如果你在用 Claude 模型但还没试过 Claude Code，建议体验一下。

一句话评价：把 Claude 搬进终端，让 AI 从”建议者”变成”动手者”。

📊 今日趋势总结

发者依然渴望”知其所以然”

💬 互动话题

今天这七个项目里，微软的 MarkItDown 和从零训练 LLM 的教程你更想试哪个？有没有哪个项目你已经在用了？欢迎在评论区聊聊你的体验！

如果觉得有用，别忘了点赞、在看、转发三连，让更多人看到

📌 关注我，每天为你精选 GitHub 热门开源项目，不错过技术圈的每一个新动向。