7 7 月

Context7 实测:58K 星开源工具,让 Cursor 和 Claude Code 用上最新 API 文档

一句话结论:Context7 是解决AI编程「幻觉API」问题的最直接方案——它在你提问的瞬间拉取最新官方文档,注入LLM上下文。不用切换标签页,不用手动粘贴文档,不用祈祷模型训练数据足够新。 为什么需要 Context7? 每个用过 AI 编程工具的人都遇到过这个场景:你让 Cursor 写一段 Supabase 认证代码,它生成了看起来合理的代码,但你一运行——API 不存在、参数名错了、版本不对。 这不是模型的问题。LLM 的训练数据有截止日期。即使是最新的 Claude Sonnet 5(2026 年 6 月发布),它对 2026 年 7 月发布的库版本也一无所知。而现代前端/后端框架的更新速度是按周计算的。 Context7 的解决方案很直接:在 LLM 调用前,从官方源拉取最新的文档和代码示例,注入到 prompt 上下文中。 怎么用?一行命令搞定 安装最简单的方式: npx ctx7 setup 这条命令会通过 OAuth 认证、生成 API key、自动安装对应 Skill。你可以指定目标工具: # 为 Cursor 安装 npx ctx7 setup --cursor # 为...
28 6 月

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 ≥...
28 6 月

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...
28 6 月

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...
28 6 月

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。 延伸阅读 MinerU — 69k星开源文档解析引擎:PDF/Word/PPT一键转Markdown,RAG数据预处理利器 常见问题 Q: 为什么不用在线 OCR? 离线...