软件工具

AI 配音专家（Windows 版 + 开源版）

AI 配音专家：把文字稿转成自然语音，Windows 版开箱即用，附开源版可自行部署，适合短视频口播、有声内容与批量配音。

NanZi AI Agent Platform：企业级多智能体与 ChatBI 平台

一个 MIT 开源的多智能体与 ChatBI 平台，公开介绍包含 RAG、数据源连接、安全沙箱、记忆和 Token 审计等能力；本条目仅做官方链接收录。

2026/09/21

ChatTTS（2noise）

原因：这个模型分两部分执行，上边的进度条执行文本识别，应该是添加情感标识和辅助语气词，下边的进度条是语音合成。如果把top_p这几个参数调的太大，他就会在原句子中添加过多的新内容。多分句，多段行，执行起来就快了。负面的就是句和句之间情感可能不一样。

ChatTTS_colab（6drf21e）

ChatTTS_colab 444 Google Colab 一键部署，还有音色抽卡功能

ComfyUI-ChatTTS（AIFSH）

ChatTTS-Control 10 提供更多控制参数和详细解读，汇总相关资源推荐

FunASR（alibaba-damo-academy）

Html5 server, automatically download the client to the local computer, and support access by mobile phones and other devices. The IP address needs to be consistent with the html5 server. If it is a lo

KAN-TTS.git（alibaba-damo-academy）

（2020）Robutrans: A robust transformer-based text-to-speech model

FunASR.git（alibaba）

Install the requirements for server

SmartResume（alibaba）

SmartResume，作为阿里巴巴开源的智能简历解析系统，通过融合OCR、版面检测和大语言模型技术，实现了从PDF、图片或Office文档中高效提取结构化信息。

AdvancedLiterateMachinery（AlibabaResearch）封面

ocr开源工具

AdvancedLiterateMachinery（AlibabaResearch）

[CVPR 2024] OmniParser: 统一图文解析模型：文字检测识别、视觉信息抽取和表格识别

olmocr（allenai）

技术报告：olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models

EVA（baaivision）

The image token embedding model in this project is built upon the foundations laid by EVA-CLIP