MoneyPrinterTurbo 在 GitHub 上有 127618 个星，今天又涨了 431。它做的事一句话就能说完：给一个主题或关键词，用大模型加自动化工作流，一键生成高清短视频。
从这句描述里能读出几件事： - 要输入的只有一个主题或关键词，门槛压得很低。 - 「一键」说明中间的环节都交给了工作流，人不用每一步都把关。 - 「高清」讲的是画面规格，片子好不好看是另一回事。 - 中文剪出来的节奏、字幕和配音顺不顺，项目描述里一个字都没提。 项目地址，想自己跑一遍看中文效果的可以从这里开始：https://github.com/harry0703/MoneyPrinterTur
搜 Linux 语音输入
搜到一个挂在 fcitx5 上的项目 能说话打字 作者居然是厦门做脱口秀的 我第一反应不是不专业 是这种人写输入法 可能比工程师更懂说出来的句子长什么样 仓库丢下面 Linux 桌面语音输入一直稀缺 稀缺到你会接受一个脱口秀演员的 PR
ElevenLabs 真正贵的
是「你不敢把音频丢上云」 VoiceStudio 把克隆、配音、听写、有声书全塞进本机 不注册 不给 API key 不按字计费 我的判断很简单 语音一旦能在本地跑通 云端按量收费就开始变薄
语音输入准不准我已经不太关心
我关心这句话有没有先去别人服务器转一圈 OpenWhispr 把这件事做成可选项 热键一按，字落在光标处 任何 App 都能用 模型可以全在本机 Whisper 或 NVIDIA Parakeet 音频不出设备 要速度再挂云端 我会留一个翻译热键 中文说进去，英文粘出来 开会那几家也能本机分谁在说话 准是表 出不出网才是里
Mac 自带听写
慢，还不爱加标点 说完还要自己收拾一通 FluidVoice 按住热键说话 松开字就进当前 App 识别和润色都在本机 一个字节不出门 引擎能换 Parakeet、Whisper、Apple Speech 顺手还能语音开应用 一万星 brew 一条命令 专门砸 Wispr 那种月费
把电影号剪辑从熬夜手工，压成 Claude Code 一条指令——这是 video-recap-skills 想做的事。
自然语言 → 中文解说成片，面向 Claude Code / Codex 等宿主。 能省重复劳动，但素材版权、配音质量、平台审核仍是你的责任。 链接放评论。
Google 开源了 Gemma Translator：完全离线的可组装翻译装置。
用 Gemma 4 + 树莓派 5、小屏、喇叭、键盘旋钮等市售件 + 3D 打印壳。 重点：不需 Wi-Fi、不需 API；语音识别和 TTS 都在端侧。 「再也不用学语言」当然是夸张，但离线、可动手、可带走的翻译硬件路线，确实在打开。 仓库在第二条。
想跑语音/音频类 AI，这 4 个开源项目今天就能直接用：
1. Whisper——OpenAI 的语音识别，把语音转成文字 2. F5-TTS——文本转语音，效果自然 3. Coqui TTS——另一个成熟的文本转语音方案 4. RVC——变声/音色转换，把一个人的声音换成另一个人的音色 都是开源，本地能跑，链接放在评论区。 1. Whisper: https://github.com/openai/whisper 2. F5-TTS: https://
处理长播客最亏的时间不是听，是转录——同一段音频，为了换个总结角度就要重新跑一遍语音转文字。
有个工具叫 audio-tldr 专治这个浪费：本地转录一次，文字稿直接缓存，之后想怎么换角度总结都不用再碰转录环节。 支持 Claude Code 和 Codex 直接装。还没亲自跑过，但这个只转录一次、反复复用的思路本身就值得先收藏。
李博杰（华为天才少年）这本 AI Agent 实践书值得系统学一下。
不是空泛讲概念，而是从实际讲学、代码实践里迭代出来的材料；前言里也提到通过 whisper coding 持续打磨。PDF 风格一看就很“实战派”。 t.me/tudouge_ai_notes 进入群免费领取。
不会写代码也想做产品：有人靠 Claude Code 做了 Mac 语音输入软件 Speakey，免费开源。
按住右 Option 说话，松手文字进光标处；自动清语气词/补标点；台英日韩+自动检测；本地隐私、用自己的 Groq 额度。 辨识 whisper-large-v3，修饰走开源模型。点子够了，缺的是动手那一下。
OmniDesk v2.4.0：直接对终端说话。
点麦克风（或 Ctrl+Shift+Space），说完 prompt，文字会进 Claude Code / Codex。 本地 Whisper 转写，音频不出机器，没有云、不需要 API Key。发出前你还能先改一改。 终端 + 语音，终于不用边敲边组织长 prompt 了。
靠做影片吃饭的 AI 龙虾，把吃饭的手艺整套送出去了。
手绘风投影片、旁白配音、字幕自动对齐、封面、发音逐字校对——全部打包成一个 skill，MIT 授权开源。 不管你用哪个 AI 工具，装上去就能自己按这套流程做出一支片。 手艺藏着会烂，摊在阳光下才会长。
语音助理的四层架构：VAD → 语音识别 → LLM → 语音合成，这四层常常来自不同服务商。想换掉其中一家，往往得整组管线重写。
Hugging Face 开源了 speech-to-speech，把这四层模块化，让你像换零件一样替换其中一段。 • VAD、STT、LLM、TTS 各自都能替换，不绑死单一供应商 • 可以直接把 OpenAI Realtime API 换成本地版本，不用重写整套逻辑 • 所有模型都能在本地跑，语音数据不必离开自己的机器
GitHub 上来了一个项目：Pixelle-Video。
输入一句话，它自己写文案、AI 生图、自己配音、自己上字幕，最后吴一下吹出一条完整短视频。 就是那种一键全自动的终极形态。 专门为批量做号设计的，支持对接各种开源大模型和免费 API，成本压到极低。 一个人顶一个短视频团队。
一句话生成完整短视频——
Pixelle-Video 全链路闭环：写文案、AI 生图生视频、配音、上字幕，自动吐出成品。 支持开源模型和免费 API，成本极低。 本地部署，批量生产。 一个人顶一个短视频团队。
Meetily——完全本地的 AI 会议助手
Whisper 实时转录，快 4 倍 说话人分离 + Ollama 摘要 macOS & Windows 均可 数据永不上云，隐私 100% 在你手中。 ⭐ 17,716（+1,409 今日）
FluidVoice — Mac 上完全本地跑的语音听写，3.7K ⭐，今日涨 365。
按住热键说话，实时转文字直接敲进任何输入框。识别和 AI 润色全在本机完成，不用云、不用 API key，语音一个字都不离开你的 Mac。 · 支持 Parakeet / Whisper / Apple 语音，覆盖近百种语言 · 本机 AI 润色，自动断句和大小写 · 命令模式：动嘴就能开 App、跑快捷指令 · 全局热键，任何软件随时唤起 顺手退订那些按月收费的听写 App。
很好用的语音转文字小工具
完全本地推理，无须配置 Python、Docker，Windows 点开就能用。 自动下载模型，原生支持说话人分离、时间轴对齐，目前支持 BreezeASR26 与 QwenASR 两种模型。
开源本地语音工作室 Voicebox 来了。
它把语音克隆、TTS 生成、全局热键语音输入、甚至让 AI Agent 用你克隆的声音说话，全都做进了本地运行。支持 7 种 TTS 引擎、23 种语言，模型和数据完全不离开你的机器。 想同时替代 ElevenLabs（输出）和 Wispr Flow（输入），又不想把声音数据上传云端，这可能是目前最完整、最隐私的本地方案。 支持多轨故事编辑、音效处理、MCP 工具调用，macOS/Windows/
Lingji Cut 把写稿、AI 配音、字幕、剪辑、导出串成一条线，本地跑，开源免费，数据不上传。
解决视频创作 4️⃣ 大痛点： 📍 工具割裂：一个软件搞定所有环节，再也不用切来切去 📍 数据安全：所有文件本地保存，零上传，隐私彻底有保障 📍 AI 碎片化：支持多 AI 模型（OpenAI、Gemini、LM Studio、MiniMax 等），随便选 📍 流程繁琐：自动化 Agent 流水线，效率直接拉满！