wocao.world
封装的是租卡流程，不是把模型变成免费午餐 Sac-Y/MiniMax-H3-Cloud 把云端 GPU、ComfyUI 运行时、提交工作和下载 MP4 收进 Codex 插件。作者说能在对话里构思提示词，走完从开实例到出片。仓库写明：插件本身不收费，也不内置 MiniMax H3 权重；卡时、系统盘和镜像由优云智算等平台计费，创建付费资源前必须你点头。默认约 30 分钟兜底关机，任务结束也立刻关，这才是「不到 1 元」可能成立的前提——实例忘关，数字就不成立。 H3 是 2026 年 8 月前后放出的开源权重视频模型，可出约 4 到 15 秒、最高约 2K、带立体声的片段。Arena 上开源组…
不收费、不注册、无水印，但还在预发布 jub0t/WolfCut 把自己写成开源的 CapCut 替代：Rust 引擎加 React 界面，装上就能剪，不必开账号。仓库写明多轨、可开多条时间线，切割合并、转场、变速、标题和模板都有；自动字幕在本机转写，音频不出电脑；另有本地 TTS 和音色滤镜。协议是 MPL-2.0，安装包会带独立调用的 FFmpeg。当前发行是 0.2.0 的 Alpha，星标刚过六百，功能面比剪映商城窄一截。 烦的是导出弹会员、字幕要上传。WolfCut 把这两刀砍在本地。它补不了的是海量模板、云协作和平台一键发布。当备选合理，当「剪映可以卸了」还早。 对得上日常短视频，…
控制面是Agent，Python只是工具箱 calesthio/OpenMontage 自称开源的智能体视频生产系统，星标已数万。它不是再做一个文生视频按钮。研究、提案、脚本、分镜、找素材、剪辑、配音字幕和渲染，写在 YAML 流水线和 Markdown 技能里，由 Claude Code、Cursor、Copilot 这类编程助手按阶段执行。架构文档写得很直：没有单独的 Python 总导演，Agent 本身就是控制面。 仓库里大约十二条生产线，覆盖讲解片、口播、录屏、纪录片蒙太奇、电影感预告、动画、播客切片、本地化配音等。多数骨架仍是研究到发布那几站。每站有验收标准和可选人工卡点，贵的生成…
清单是社区作业，不是官方提效保证书 WorkBuddy 是腾讯的桌面 AI 办公工作台：用自然语言下任务，在授权范围内读本地文件、拆步骤、交文档表格 PPT。开源的是旁路教材和技能包，不是客户端本身。AlephAITech/WorkBuddyGuide 是实战蓝皮书，在线版在 workbuddy.homes；bitcjm/workbuddy-skills 补 Excel、面试、生图一类技能。十五条里反复出现的「减少80%同步」「每天多两小时」，是作者体感，不是可审计的实验。 真正耗时间的确实常是找文件、回消息、对表、追进度。工具能把重复动作收进技能和连接器，前提是文件夹授权、账号打通、失败能回…
两个月做出来的，是应用，不是内核 dx-os.com 上的 DX-OS 把无限画布、图片分层、ComfyUI、Skills、MCP、Agent 和 AI 漫剧塞进同一个窗口，并允许开发者做可安装扩展。当前可见版本大约 0.2.4，便携包三百多兆。作者此前维护过开源无限画布，仓库停更后把人往这个站点导。它跑在你现有的 Windows 之上，不替换引导、驱动和权限模型。 客户端可以写免费。出图、出视频、跑本地工作流，仍要 API 额度或显卡。把「完全免费使用」理解成生成也不花钱，账单会在第一次连模型时出现。 功能清单对上的是工作台，不是系统调用 无限画布和分层，用来把参考图、提示词和结果摊在同一张…
仓库很勤快，名字比现金流更夸张 harry0703/MoneyPrinterTurbo 把关键词变成一条流水线：大模型写文案、按关键词去素材库拉片子、配旁白和字幕、压上 BGM，最后用 ffmpeg 合成 MP4。星标大约 12 万，MIT 协议，Web 界面加 API，还能批量出几条再挑。本地、Docker、Colab 都能跑。它叠的是无脸频道那套工序，不是一台提款机。 模型可接 Claude、DeepSeek、GPT、Gemini、Kimi 以及兼容网关；语音有 Edge TTS、Azure、MiniMax、Fish Audio 等。画幅在 16:9 和 9:16 之间切。素材默认走 Pe…
开源的是课堂生成器，不是一所学校 THU-MAIC/OpenMAIC 全称 Open Multi-Agent Interactive Classroom。丢一个话题或一份材料，它能规划大纲，再生成幻灯片、测验、互动页，课堂上有 AI 老师讲、AI 同学讨论，课件可导出。仓库星标已过两万，团队来自清华，论文写过从 MOOC 到 MAIC 的路线，并称在校内数百名学生里做过较长周期试用。 2026 年 8 月底的 v1.0.0 加上 Pro 工作台：可以跟智能体改每一页，上传文档、音频、视频当教材，会话能中断再续。底层仍要你自己接大模型、语音和可选的视频导出服务。没有 Key，界面只是空壳。 能自…
工具解决的是离线阅读，不是把教材变成公共种子 happycola233/tchMaterial-parser 面向国家中小学智慧教育平台上的电子课本：解析预览页、按书名保存 PDF、可选写入书签。Windows、macOS、Linux 都有发行包，也可用 WinGet 或从源码运行。2025 年 5 月一度冲上 GitHub 热榜。程序开源（MIT），课本本身仍是出版社和平台的版权物。 平台自 2025 年 2 月起，多数电子课本要登录才能看。工具因此支持填入登录凭据，新版本还按官网方式生成私有下载签名，并限制并发、拉开间隔，减少连打接口被拒。官网改接口时，解析会跟着坏，仓库 issue 里反…
双击能开，底下仍是一套完整的Windows kernalix7/winpodx 把 Word、微信、行业软件收成 Linux 桌面上的独立窗口：图标真、能钉任务栏、Alt+Tab 能切。剪贴板、声音可双向走，USB 能透传，家目录默认可被客户机看见。它不是把 API 翻译成 Linux 的 Wine，也不是你每天开机先点进一块完整桌面的重虚拟机。 背后是 rootless Podman 拉起 dockur/windows，再用 FreeRDP 的 RemoteApp 把每个程序画成单独窗口。首次要跑无人值守的 Windows 安装和 RemoteApp 代理，官方写大约五到十分钟，实际取决于镜…
仓库是真的，几十分钟无人值守是广告词 chatfire-AI/huobao-drama 把剧本、分镜、角色、镜头视频、配音和合成串成一条 Web 流水线，星标已经上万。口号是一句话生成完整AI短剧。开源降低的是把流程搭起来的门槛，不是把拍摄、审核和投放一起包圆。 它能干的是：大模型拆剧本、抽角色和场景，再调用绘图与文生视频、图生视频接口出分镜，最后拼成片。设置页里填 API Key 和模型，文本、图片、视频、语音往往要分别付费。视频按秒计费，一条竖屏短剧就能把测试额度打穿。人可以少盯按钮，账单和返工不会消失。 小团队怕的不是开源，是同质化和人物漂移 接单公司以前拼的是编剧、拍摄和周期。现在谁都…
一篇六千字长文，把适应期压缩到十年 比尔·盖茨在 Gates Notes 发表长文《动荡的AI时代已经到来。我们现在做的选择至关重要》。他写的是：这可能是人类历史上最剧烈的一段日子，眼下却看不到像样的过渡方案。过去从农田走进办公室，社会有几代人慢慢换岗；AI直接上手认知本身，白领审核贷款、做数据分析、分诊，蓝领产线，都可能在大约十年尺度里被改写。 他判断许多岗位会永久消失，入门级工作最先承压。假视频、网络攻击和生物风险的门槛也会被压低。孩子若过早把百依百顺的聊天对象当成伙伴，现实里的社交和独立判断可能被掏空。这些是他列出的麻烦，不是已经写进法律的结论。 好处也写在同一篇里 偏远诊所读急症片子、…
开源的是推理代码和权重，不是一张商用许可证 BreezeBlue 放出 Breeze-TTS-2 的模型权重和 PyTorch 推理代码。公司由前 MiniMax 技术合伙人杨斌创立，做实时语音交互。中英都能读，宣传里把语音克隆、按描述捏声、指挥情绪语速、以及括号里的笑声叹气都写进同一套模型。仓库许可证要先读完：推理代码走 Apache 2.0，权重、衍生模型和自托管输出只允许研究与非商用。 参数大约 3B，官方推理需要一块能跑 CUDA 的英伟达卡。常规路径大约占用 8GB 显存，加速路径更高。托管 API 另算，公开标价大约每百万字符 34 美元。把 GitHub 克隆下来，不等于可以把生…
刷到的第一名，来自Arena的盲测投票 Arena.ai 宣布 Gemini Omni 1.1 Flash 在文生视频赛道排到第一、图生视频排到第二。这不是实验室自报的内部表，是用户匿名对打投票。原文里那句「比第三名 FLUX 3 Video 高出20分（1495分）」，1495分指的是 FLUX 3 Video，不是 1.1 自己。 LMArena 文生视频榜随后可见的数字大约是：gemini-omni-1.1-flash 约1515分，旧款 Omni Flash 约1512分，FLUX 3 Video 约1495分且仍标着初步结果。1.1 上榜时投票只有一千多张，旧款已经接近两万张，误差条…
视频生成和剪辑被收进同一句对话 Google 把 Gemini Omni 1.1 Flash 定位成面向开发者的多模态AI视频生成与剪辑模型。文案里列的能力很整齐：续镜、指定镜头起幅和落幅、加入视频参考、把中意的一条拉到4K、先用360p快速试想法。旋钮不再散落在 Veo 工具条上，而是进了 Gemini API 和 AI Studio 的对话流程。 续镜是这条更新里最能改习惯的一项。模型回头看原片更长的上文，官方把可分析的先前片段拉到约10秒，再按约10秒一段往后续，累计大约到40秒。客厅里刚换的杯子、刚暗一档的灯，才有机会被带进下一截，而不是只咬住最后一帧把道具吃掉。 五件控件，对应五种制…
协议传出了，公告还没有 《The Information》报道，英伟达同意以129亿美元收购 Hugging Face，双方尚未官宣。路透社等转述同一消息；《商业内幕》写的是接近成交、估值超过130亿，协议仍可能散掉。在公司自己开口之前，这是一条独家消息，不是已经交割的并购。 数字本身够刺眼。2023年那轮估值45亿，现在约3倍。年化收入大约1.5亿美元，对价大约86倍。若成交，将超过2020年70亿美元收购Mellanox，成为黄仁勋任内最大一笔。去年Hugging Face还拒过英伟达5亿美元入股、70亿估值，理由是不想被单一大金主左右。如今传出的是整家卖掉。 买下的是默认下载入口 Hug…
旋钮被吸进Gemini之后，先看它还记得什么 Google 放出 Gemini Omni 1.1 Flash，把视频生成和剪辑收进同一套对话式模型。Veo 上常用的 4K 超分、首尾帧、360p 快速打样都还在，真正改写工作流的是视频续镜：上下文从只看原片最后1秒，拉到完整10秒，正好十倍。 以前人走过客厅，中途换了杯子、灯暗一档，下一镜经常把道具吃掉。模型只咬住尾帧，中间发生过的事等于没发生。1.1 回头看完整10秒，杯子和光线才有机会被带进下一截。官方说法是可按10秒一段往后续，累计大约到40秒。更长的故事仍要自己分镜，不是一条指令拍完短片。 打样和成片终于能在同一条链路上倒 360p 草…
这场对打测的不是模型，是脑洞能不能变成游戏 有人把 Qwen-3.8-Flash-Next 和「牛来」丢进九十年代横版街机，让它们全自动对打，谁倒地谁就算当天 SOTA。这不是评测，是把模型争论做成可玩的玩笑。真正被演示的，是 Gear Zero 这类AI做游戏智能体：角色、场景、技能和随机事件可以接着往下长，作者声称一行代码没写。 两条模型路线本身差得很开。Qwen-3.8-Flash-Next 是开源权重的多模态 MoE，125B 主模型外加约 51B 的 N-gram 嵌入，每 token 大约激活 6B，社区已经在讨论量化、本地 runtime。牛来是 Ox-Alpha 的中文绰号，智…
这个玩法到底在接哪两样东西 圈子里传的步骤很短：新开会话，打开 Codex 内置浏览器，访问 https://zero.alayalab.ai，丢一句「帮我开发个爆款游戏，有问题自己解决，直到交付」。后面让智能体自己盯页面。这不是神秘接口，而是把 OpenAI Codex 的浏览器操作，接到 Alaya Lab 的 AI做游戏 产品 Gear Zero 上。 Gear Zero 本身就能用自然语言做可玩版本：规划规则、写代码、出美术、搭关卡，做完在浏览器里直接玩，还能用链接分享。创建需要登录，游玩通常不用装客户端。构建有每日额度，发布作品可能换额外次数，并不是无限 concurrent 工厂。…
这些仓库在解决同一件事 GitHub 上几款高星AI短剧项目，把剧本、分镜、角色、配音和成片串成一条流水线。一句话、一本小说或一段主题丢进去，就能往外吐竖屏片子。工具能缩短制作链路，并不能替你过平台审核，也不能替你把播放量变成稳定收入。 六个仓库定位并不重复。有的赌“一句话出全集”，有的专啃小说改编，有的把角色一致性当成主战场，有的更像短视频引擎而不是剧组工作台。选之前先看输入是什么：一句话、现成剧本，还是几十万字小说。 六个项目各自擅长什么 火宝短剧：一句话走完全流程 chatfire-AI/huobao-drama 自称一站式短剧平台：大模型拆剧本、抽角色和场景，再走绘图与文生视频、图生视…
如果你的 X 订阅了 Premium+，现在已经可以体验 Grok Bot。相比普通聊天机器人，这次更值得关注的不是模型本身，而是它背后配了一台真正可以操作的 Linux 虚拟机。对于 AI Agent 来说，拥有一台能远程操作、安装软件并运行 Skill 的电脑，可能比单纯增加几个模型能力更重要。 这台虚拟机到底有多强 从目前披露的信息来看，Grok Bot 提供的运行环境并不是一个简单的沙盒脚本容器，而是一套完整的 Linux 桌面环境。系统使用 Debian 13，配备 8 核 Intel Xeon、16GB 内存和 128GB 存储空间。 这个配置放在普通云服务器里可能不算特别夸张，但…
AI 语音转写市场最近又出现了一幕让人哭笑不得的价格战。刚刚有人注意到 Google 把语音识别能力进一步推进到 Gemini 体系，没过多久，Superwhisper 也宣布调整 Whisper 模型的使用方式。从付费墙里被“抠”出来的本地 Whisper，开始直接摆到普通用户面前。对于需要大量口述、写公众号、做会议记录的人来说，这意味着一个很现实的问题：语音转写为什么越来越便宜了？云端服务和本地 Whisper 到底该怎么选？ Whisper 免费之后，真正发生了什么 根据这次公开信息，Superwhisper 宣布从当天开始，Whisper 模型不再与 Pro 订阅强绑定，同时 Pro …
Crawlee 是一个在 GitHub 上逼近 2 万 Star 的开源爬虫框架，支持 Node.js 与 Python 双语言。它最大的卖点在于让爬虫行为更像真人，从而有效绕过网站的反爬机制。如果你需要抓取 TikTok、YouTube 等动态内容，Crawlee 能提供优雅的解决方案。 Crawlee 的核心能力：从脚手架到生产级爬虫 Crawlee 自带 CLI 工具，一条命令即可生成完整的项目结构和现成模板，让开发者无需从零搭建。它支持原生 HTTP 请求，也能无缝配合 Playwright 等浏览器自动化工具，轻松处理需要 JavaScript 渲染的复杂网页。更关键的是，框架内置了…
如果你仍在为录屏分享工具的高昂订阅费或数据隐私问题头疼，开源屏幕录制工具Cap提供了全新思路。作为Loom的开源替代，Cap不仅覆盖双录与分享核心流程，更将控制权交还用户，从根源上解决“录屏即绑定服务”的痛点。 开源屏幕录制工具Cap的核心亮点 Cap并非简单的录屏软件，而是一套完整的视频录制与分享工作流。它能同时录制屏幕与摄像头，并支持跟随鼠标自动放大，让演示重点清晰可见。录制完成后，用户可直接在内置编辑器中剪辑，导出MP4或生成分享链接。最关键的是：它提供Web与桌面双版本。Web版可自行部署在个人服务器，桌面版同样能连接到自托管的Cap服务，彻底摆脱第三方平台依赖。 为什么选择Cap替代…
压缩工具为何需要开源替代？ PeaZip 作为一款开源压缩工具，正逐渐成为 WinRAR 和 7-Zip 之外的有力竞争者。许多用户长期忍受商业压缩软件的弹窗广告与功能限制，而 PeaZip 以免费、无广告、跨平台的特性，直击这一痛点。 PeaZip 的核心亮点：安全与兼容并重 PeaZip 支持 Windows、macOS、Linux 三大桌面平台，能处理超过 200 种压缩格式，包括常见的 zip、rar、7z，以及分卷压缩文件。这意味着无论是日常打包还是解压老旧的 rar 分卷，PeaZip 都能胜任。 隐私与安全功能超越同类 除了基础的压缩解压，PeaZip 特别注重隐私保护。它支持加…
在日常用AI生成网站或应用时，最让人头疼的不是技术实现，而是如何写出能直接产出高质量结果的提示词。一个写不好的Prompt，可能让你反复调试数小时。而今天发现的一个宝藏GitHub仓库，恰好解决了这个痛点——它收录了大量由X平台大神创作的Gemini 3 Pro提示词，覆盖多种高价值场景，堪称AI创作者的弹药库。 为什么这个仓库值得收藏？ 这个名为 awesome-gemini-ai 的仓库（https://github.com/ZeroLu/awesome-gemini-ai）并非简单罗列，而是经过筛选的实战级Gemini 3 Pro提示词集合。每一类提示词都对应一个可直接落地的应用方向，省…
AI Agent 不是新词，但它真正的边界正在快速改写。过去我们习惯于把大模型当作“问答机”，输入问题、得到答案，任务结束。而如今，AI 正在从“你问我答”的对话助手，进化为能够规划、调用工具并自主执行任务的 Agent。这条进化路径到底怎么走？最近一份名为 Learn Claude Agents 的教程给出了清晰的拆解。 AI Agent 的进化：不是功能叠加，而是角色跃迁 理解 AI Agent 的关键，不是记住它的定义，而是看清它与传统对话助手的本质区别。对话助手处理的是“单次交互”——理解意图、生成回复。而 Agent 面对的是“任务闭环”：理解目标、制定计划、调用工具、观察结果、调整…
语音克隆工具Voicebox近期在开发者社区引发关注。这款免费开源软件彻底改变了传统文本转语音（TTS）的工作流：它无需安装Python、无需依赖云端服务，仅凭几秒钟的音频样本就能克隆任意音色，并在本地完成录音棚级别的多声道项目制作。 语音克隆工具为何转向本地运行? 在云端TTS服务普及的今天，Voicebox选择反其道而行之。对于那些对隐私敏感、网络环境不稳定或需要离线批量处理的创作者而言，本地化部署意味着：你的声音数据永远不出设备，处理速度不受服务器排队影响，更不存在按字符计费的商业限制。 核心功能亮点 · 极简克隆流程：下载模型后，只需提供数秒清晰人声样本，系统即可提取声纹特征。· 多声…
Agent-Reach：让 AI Agent 真正连接互联网的开源能力层 过去几年，大语言模型的发展速度令人惊叹。 从 ChatGPT 到 Claude，再到各种 AI Agent 平台，模型已经能够完成越来越复杂的任务。 但当真正把 AI 放入实际工作流程时，一个问题越来越明显： AI 会思考，但它不知道外面的世界正在发生什么。 它可能能够写代码，却不知道 GitHub 最新项目趋势。 它能够总结文章，却无法主动寻找 Reddit 用户讨论。 它可以生成内容，却无法理解小红书、YouTube、B站这些真实社区里的反馈。 这也是 AI Agent 下一阶段需要解决的问题。 Agent 不仅需要…
如果你经常用 ChatGPT、Codex、Claude 或 Cursor 写代码，应该都遇到过这些问题： AI 每次都像第一次认识项目 已经写好的功能反复重构 动不动就输出整个文件 越写上下文越乱，Token 消耗越来越大 所以我重新整理了一套适合长期项目开发的 Codex Prompt。 它不会一开始就写代码，而是要求 AI： 先阅读 AGENTS.md、PROJECT_LOG.md、README.md 理解当前项目和历史进度 每次只推进一个最重要的任务 新项目先调研 GitHub，而不是直接开写 优先 Patch、最小修改，不随意重构 保持项目架构和代码风格一致 最大限度减少 Token …
给 Codex 桌面端换一张会呼吸的脸：Codex Dream Skin 本地主题工具 写代码不一定要面对一块毫无情绪的灰色界面。 Codex Dream Skin 是一套面向 Codex 桌面端的外部主题与换肤工具。它通过本机回环地址上的 CDP 注入，为 Codex 添加可更换的全窗口背景、浅色与暗色主题适配、本地主题保存以及一键恢复功能。 它不修改 Codex 官方安装包，也不会改动 .app、app.asar 或 WindowsApps 中的文件。 更准确地说，它不是重新做了一个 Codex 界面，而是在保留 Codex 原生交互能力的前提下，为桌面端增加一层真正可用的视觉主题。 一张…