AI 工具收藏 · Detached

这篇原本是《开源工具&高效解决方案收藏》里的「十二、AI 相关」。那篇收藏越写越长，已经三千多行，而这部分自成一个领域，也是更新最快的一块，单独放更好维护，所以单独拆出来。

本地大模型启动（Ollama/ComfyUI）

ollama 启动并运行 Llama 3.3、DeepSeek-R1、Phi-4、Gemma 3、Mistral Small 3.1 和其他大型语言模型。

本地 LLM 平台（Ollama / llama.cpp）
│
├─ 文本生成模型（Chat / Reasoning）
├─ Embedding 模型（向量）
├─ Rerank 模型（打分）
├─ 多模态模型（图文）
└─ 工具调用 / function calling

这类“本地运行 LLM 的平台/工具”，一般不包含图片生成和视频生成。

那图片 / 视频生成是谁在做？

图片生成（Stable Diffusion 系系）

ComfyUI

Automatic1111

InvokeAI

👉 专门为 Diffusion 模型 设计 👉 LLM 平台 不碰这块

视频生成（更独立）

Stable Video Diffusion

AnimateDiff

OpenSora（实验阶段）

👉 对显存 / 帧序列要求极高 👉 完全不是 Ollama 的设计目标

https://www.comfy.org/zh-cn/

ComfyUI 是一个开源的 基于节点（node-based）的 AI 工作流界面，主要用于生成图像（如 Stable Diffusion 等扩散模型）。「针对 图像生成（text-to-image／image 编辑等） 设计。」

现有模型：https://docs.comfy.org/tutorials/image/z-image/z-image-turbo

非常多的模型工作流下载：

AI 客户端（Cherry Studio/Chatbox）

https://github.com/CherryHQ/cherry-studio

Cherry Studio 是一款支持多个大语言模型（LLM）服务商的桌面客户端，兼容 Windows、Mac 和 Linux 系统。

https://chatboxai.app/zh

https://github.com/chatboxai/chatbox

Chatbox 是一个 AI 模型桌面客户端，支持 ChatGPT、Claude、Google Gemini、Ollama 等主流模型，适用于 Windows、Mac、Linux、Web、Android 和 iOS 全平台

AI 应用平台（Dify）

https://github.com/langgenius/dify

Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。

AI Agent / CLI / 中转

Trae CN

Cursor

Visual Studio Code + cline

https://github.com/ashishpatel26/500-AI-Agents-Projects

500 多个 AI Agent项目/用例

claude code

codex

gemini cli

https://github.com/farion1231/cc-switch

一款适用于 Claude Code、Codex、OpenCode、openclaw 和 Gemini CLI 的跨平台桌面一体化助手工具。

https://github.com/Wei-Shaw/sub2api

API中转站面板

https://github.com/router-for-me/CLIProxyAPI

将 Gemini CLI、Antigravity、ChatGPT Codex 和 Claude Code 封装成与 OpenAI/Gemini/Claude/Codex 兼容的 API 服务，让您可以通过 API 免费使用 Gemini 2.5 Pro、GPT 5 和 Claude 模型。

https://github.com/router-for-me/Cli-Proxy-API-Management-Center

这是一个基于 CLI 代理 API 的 WebUI 界面，旨在简化配置修改和运行时状态监控。

https://github.com/jlcodes99/cockpit-tools

API号池，通用 AI IDE 账号管理工具：支持 Antigravity / Codex / GitHub Copilot / Windsurf / Kiro / Cursor / Gemini-cli / CodeBuddy

https://skills.sh/

AI SKill

https://github.com/iOfficeAI/OfficeCLI

OfficeCLI 是全球首个、也是最好的专为 AI 智能体设计的 Office 套件。

https://github.com/multica-ai/multica

README.zh.md

Multica —— 把 Claude Code、Codex、Cursor 等 20 种 agent CLI 当团队成员来派活的开源工作台。核心是一块看板：给 agent 建个「人」、把任务指派过去，它自己跑、用评论汇报进度，跑完提交等你 review。

它解决的是多开 agent 的碎片化：同时用好几个 CLI 时，各自占一个终端标签、互相不知道对方在干什么、关掉就没有上下文。Multica 把它们收进一个工作区，谁在做哪个任务、每一步调了什么工具、烧了多少 token，全都能回放。

能力	说明
多 agent 混用	支持 20 种 CLI（Claude Code / Codex / Cursor / Copilot / Kimi / Qwen Code / OpenCode 等），不锁厂商
任务流转	看板派活，失败自动重试，卡住了升级给人处理
执行日志	带时间戳回放每一次工具调用和命令，按 agent 和任务分别统计 token
人工把关	所有产出必须经人 review 才能合并
代码托管	GitHub / GitLab / Gitea / Forgejo，含自建实例
通知	Slack / 飞书 / 钉钉，只在 agent 需要你拍板时才推 inbox
客户端	浏览器、桌面端（Electron，三平台）、iOS（目前要自己编译，未上架）
部署	云端，或用 Docker Compose / Helm 完全自托管

技术栈是 Go（Chi + sqlc + WebSocket）+ PostgreSQL 17（pgvector），前端 Next.js 16，桌面端 Electron，iOS 走 React Native / Expo。

自托管一键装：

bash

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash -s -- --with-server

两点要留意：

1、agent 跑在你自己的机器上，Multica 只做调度，不替你装 CLI——每台 runtime 机器都得先把对应的 CLI 装好并登录过。

2、许可证不是标准开源协议。官方叫「Multica License」，底子是 Apache 2.0，但附加了对「提供托管服务」「商业嵌入」「品牌使用」的限制，GitHub 因此把它识别为 NOASSERTION。自部署和二次开发允许，拿去做成 SaaS 卖就不行。

MCP 资源

一个专为中文用户打造的 MCP（模型上下文协议）资源合集！这里有 MCP 的基础介绍、玩法、客户端、服务器和社区资源，帮你快速上手这个 AI 界的“万能插头”。

https://github.com/yzfly/Awesome-MCP-ZH

一个专门为中文用户打造的MCP（模型上下文协议）资源合集！

https://github.com/punkpeye/awesome-mcp-clients

https://github.com/punkpeye/awesome-mcp-servers

无限 token / 客户端转 API

https://github.com/justlovemaki/AIClient-2-API

https://github.com/tashfeenahmed/freellmapi： 一个兼容 OpenAI 的端点。十六家免费的 LLM 提供商。每月约 17 亿个token。

声音克隆 / TTS

https://github.com/2noise/ChatTTS

ChatTTS 是一种专为 LLM 助手等对话场景设计的文本转语音模型。

https://github.com/FunAudioLLM/CosyVoice

阿里开源的文本转语音 (TTS) 在内容一致性、说话人相似度和韵律自然度方面均超越了其前代产品 (CosyVoice 2.0)。

IndexTTS（https://github.com/index-tts/index-tts）

bilibili开源的声音模型

MegaTTS3（https://github.com/bytedance/MegaTTS3）

字节跳动声音模型

https://github.com/SparkAudio/Spark-TTS

Spark-TTS 是一款先进的文本转语音系统。

模型名称	8G 显存推荐度	核心强项	适用场景
CosyVoice 2.0	⭐⭐⭐⭐⭐	综合素质最强、延迟极低	通用旁白、实时互动
IndexTTS 2.5	⭐⭐⭐⭐⭐	情感还原、多语言支持	情感起伏大的小说、多角色配音
MegaTTS 3	⭐⭐⭐⭐	极度轻量、推理极快	批量视频产出、低配机器
Spark-TTS	⭐⭐⭐⭐	架构简洁、中英混读好	知识百科、技术讲解类推文
ChatTTS	⭐⭐⭐	语气词丰富、像真人聊天	搞怪、日常对话、剧情吐槽

针对 8GB 显存的小说推文需求，推荐以下几款目前（2026 年）在本地运行效率最高、效果最自然的 AI 配音（TTS）方案。

https://github.com/jamiepine/voicebox

开源人工智能语音工作室。克隆、口述、创作。

1. Fish Speech

https://github.com/fishaudio/fish-speech Fish Speech 是一种基于 LLM 的 SOTA 文本转语音模型，由 Fish Audio 开发，主打极高质量的音色克隆和类似真人的语调起伏。

2. GPT-SoVITS (V2)

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

强大的少样本（Few-shot）语音转换与文本转语音融合模型。V2 版本显著提升了情感表达能力和中文多音字的准确度，是目前推文博主使用最广泛的本地工具。

3. Kokoro-82M / Chatterbox

https://github.com/hexgrad/kokoro (模型核心) https://github.com/remsky/Chatterbox (进阶整合版) Kokoro 是一款参数量仅 82M 的极轻量级模型，能在 8GB 显存甚至 CPU 上实现“秒级”合成，适合追求产出速度和轻量化部署的场景。

特性	Fish Speech	GPT-SoVITS (V2)	Kokoro / Chatterbox
8GB 显存压力	低 (推理约占 4-6GB)	中 (推理约占 6GB)	极低 (约 1GB 甚至可忽略)
音色克隆能力	极强 (15秒音频即可)	强 (需要约 1-5分钟数据)	较弱 (主要使用预设音色)
自然度/情感	极高 (由于 LLM 架构)	高 (擅长还原参考音频)	中 (语调稳定但略显机械)
推理速度	一般 (逐 Token 生成)	较快	极快 (瞬间生成)
上手难度	中等 (需要配置环境)	较低 (有成熟一键包)	极低
小说推文适用度	⭐⭐⭐⭐⭐ (角色配音)	⭐⭐⭐⭐⭐ (旁白与对白)	⭐⭐⭐ (快速产出)

https://github.com/OpenBMB/VoxCPM

VoxCPM2：基于连续表征的多语言语音合成、创意音色设计与高保真声音克隆

AI 剪辑

https://github.com/FireRedTeam/FireRed-OpenStoryline1

对口型

https://github.com/MeiGen-AI/InfiniteTalk

支持图像转视频和视频转视频的无限时长语音视频生成

AI 换脸 / 动作驱动

Wan2.2-Animate 开源、本地部署，无GPU限制，图转视频、角色一致性惊艳！

# 克隆仓库

git clone https://huggingface.co/spaces/Wan-AI/Wan2.2-Animate

cd Wan2.2-Animate

# 创建并激活 Python 环境

python -m venv env
.\env\Scripts\activate.ps1

# 安装依赖项并运行

pip install -r requirements.txt
python app.py

安装成功后访问本地地址：http://127.0.0.1:7860/ 就可以进行使用！

AI 音乐

https://suno.com/invite/@nicerjazzcore389

AI 工具（文档解析/密钥轮换）

https://github.com/opendatalab/MinerU

将 PDF 等复杂文档转换为 LLM 就绪的 markdown/JSON，以便在 Agentic 工作流程中使用。

https://github.com/ikaijua/Awesome-AITools

本仓库收集了一些很棒的AI工具。欢迎大家一起推荐更多优秀的AI工具！

https://github.com/tbphp/gpt-load

具有智能密钥轮换功能的多通道 AI 代理。智能密钥轮询的多渠道人工智能代理。