Agent-Native — BuilderIO开源的Agent原生应用框架：一次定义，所有界面通用
BuilderIO的Agent-Native是开源Agent原生应用框架。一次定义Action，同时暴露给Web UI/AI Agent/HTTP API/MCP Server/A2A/CLI。从设计之初就为Agent交互而建。MIT开源。
VoxCPM：开源多语言语音合成引擎，30种语言+声音克隆+Apache-2.0商用许可
VoxCPM 是 OpenBMB 团队开发的开源端到端文本转语音系统，基于免分词的扩散自回归架构，最新版 VoxCPM2 拥有 2B 参数，训练数据超 200 万小时，支持 30 种语言和中文方言。
核心功能
🌍 30 种语言+中文方言：覆盖中英日韩法德西俄等，四川话、粤语、吴语、东北话等方言
🎨 Voice Design 声音设计：用文字描述想要的音色——性别、年龄、语气、情感、语速，无需参考音频
🎛️ 可控声音克隆：3 秒参考音频即可克隆，可文本指令控制说话风格
🎙️ Ultimate Cloning 极致克隆：提供参考音频+文本，还原声纹节奏情感每个细节
🔊 48kHz 高清输出：内置超分辨率，无需额外升频器
⚡ 实时流式推理：RTX 4090 上 RTF 低至 0.3，vLLM-Omni 加速至 0.13
📜 Apache-2.0 商用许可：代码和权重完全开源，自由商用
安装与快速使用
pip install voxcpm
要求 Python ≥ 3.10（<3.13）、PyTorch ≥...
OmniVoice Studio：一键安装的 ElevenLabs 开源替代，646 语言+视频配音+有声书
OmniVoice Studio 是 ElevenLabs 的开源替代品——一个完全本地运行的 AI 语音工作站桌面应用。无需 API Key、无需云服务，支持 macOS/Windows/Linux，646 种语言。内置 11 个 TTS 引擎 + 9 个 ASR 引擎，一键安装即可使用。
核心功能
🎙️ 零样本声音克隆：3 秒片段镜像任何声音，覆盖 646 种语言
🎨 声音设计：性别、年龄、口音、音调、语速、情感、方言全部可调
🎬 视频配音：YouTube URL 或本地文件 → 转录 → 翻译 → 配音 → 导出 MP4
📖 有声书编辑器：导入文本/EPUB/PDF，自动分章节，导出 .m4b
⌨️ 全局语音输入：任意应用...
MetaGPT：用一句话生成完整软件项目，多 Agent 协作开发框架
MetaGPT 是一个将软件公司变为多智能体系统的开源框架。输入一句话需求，自动调度产品经理、架构师、项目经理和工程师多个 AI Agent 协同工作，输出全套代码与文档。核心哲学：Code = SOP(Team)——将标准操作流程实体化应用到 LLM 团队中。ICLR 2024 论文收录，MIT 开源。
核心能力
📝 一句话生成项目：输入"创建 2048 游戏"自动生成完整代码仓库
👥 多角色协作：产品经理→架构师→项目经理→工程师模拟真实软件公司流程
📊 全套文档输出：用户故事、竞品分析、需求文档、API 设计、数据结构
🔧 Data Interpreter：内置数据分析 Agent，直接处理数据科学任务
🚀 MGX 产品：获得 Product Hunt 日榜+周榜双冠的自然语言编程产品
安装与使用
pip install --upgrade metagpt
metagpt --init-config
要求 Python 3.9-3.12、Node.js、pnpm。编辑 config2.yaml 配置 LLM API Key。
# CLI 一键生成
metagpt "Create...
Umi-OCR：免费开源的离线 OCR 识别工具，截图即识别，无需联网
Umi-OCR 是一款免费、开源、离线的文字识别桌面软件。无需联网、无需安装、解压即用。支持截图识别、批量图片识别、PDF 文档识别、二维码生成/扫描，内置多国语言识别库，适用于 Windows 7+ 和 Linux x64。
核心功能
📸 截图 OCR：快捷键唤起截图 → 自动识别文字 → 直接复制或编辑
📚 批量 OCR：一次性导入几百张图片，支持多种格式
📄 PDF 识别：直接识别 PDF 文档中的文字内容
🚫 忽略区域：排除水印、页眉页脚区域，识别更精准
📝 排版解析：自动识别多栏/单栏排版，支持竖排文字
🔣 公式识别：支持数学公式 OCR 识别
📱 二维码：扫描和生成二维码
🌐 多语言界面：自动跟随系统语言，支持中英日等
安装与使用
推荐下载：蓝奏云（国内推荐免注册不限速）、Scoop（scoop install extras/umi-ocr）、GitHub Releases 下载 .7z 解压即用。截图识别快捷键唤起，批量识别可导出 txt/jsonl/md/csv，支持忽略区域编辑器排除水印。
常见问题
Q: 为什么不用在线 OCR？ 离线 OCR 无需上传文件，适合合同、证件等隐私敏感文档。
Q: 支持竖排文字吗？...