SkyProduction 天工工作台接入 Vidu Q4 Preview 与 SkyNano 2.1
SkyProduction（天工工作台）正式接入视频模型 Vidu Q4 Preview 与生图模型 SkyNano 2.1。SkyNano 2.1 改善多轮编辑中的主体一致性并支持多图参考融合，Vidu Q4 Preview 支持参考声音与音视频同步生成，改善运镜、切镜及动作表现。Vidu Q4 Preview 至尊版年会员价格低至 0.072 元/秒。
#多模态
RadarAIAI 评分3838 GitHubAI 评分4848 VSift：把本地视频转成带时间戳的语音与画面变化证据
VSift 是一个本地运行的 Rust 命令行工具，把机器上的视频转成带时间戳的语音转写、画面变化时刻和对应原始帧，每条证据都带时间与哈希，可回溯到源文件。它支持导入 SRT/WebVTT 或用 whisper.cpp 本地转写，输出人类可读文本和版本化 JSON，并提供面向 Claude Code 和 Codex 的 agent skill。
RadarAIAI 评分6262 生数科技发布视频生成模型 Vidu Q4 Preview，支持 2K、4K 输出
生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview，支持图生视频和参考生视频，最多支持 3 段参考音频、15 张参考图与 2K、4K 输出。该模型支持 10bit 色深，单次最长生成 16 秒视频，并提升动态运镜、切镜与复杂镜头衔接，首发优惠价 0.09 元/秒起，支持 540P 至 4K 多种规格。
GitHubAI 评分2222 CogniFrame：AI 驱动的多面板视觉叙事引擎
CogniFrame 是一款 AI 视觉叙事引擎，可将文本概念转化为多面板连贯视觉故事，并在序列中保持角色一致性、环境连贯与叙事流。它通过混合管线在 OpenAI DALL-E、Claude 与扩散模型之间智能路由生成任务，并支持自适应回退与多模型共识生成。项目要求 Python 3.10+、最低 8GB 内存与 4GB VRAM，需配置 OpenAI 和/或 Anthropic API key。
GitHubAI 评分1212 closetai：面向墨西哥的 AI 个人造型师应用
closetai 是一款面向墨西哥的 AI 个人造型师应用，用户拍摄自己的衣物后由 AI 搭配造型，并渲染到本人照片上试穿，同时学习用户偏好。项目 M1-M8 全部模块已完成并上线 closetai.lat，涵盖数字衣橱、AI 造型、头像试穿、推荐与支付，技术栈为 Next.js、Supabase、Stripe MX、Gemini 2.5 及 fal.ai（BiRefNet + FASHN）。
GitHubAI 评分1818 HERA SafeSpace：面向非洲女性的 AI 数字安全平台
HERA SafeSpace 是一个面向非洲女性和女孩的数字安全平台，重点服务肯尼亚及周边社区，提供 AI 数字暴力检测、AES-256 加密证据留存、多语言幸存者支持门户和匿名社区论坛。其 AI 检测器支持实时毒性分析与 Safe Rewrite，支持英语、斯瓦希里语、法语和阿拉伯语，并配备语音输入与危机识别功能。
RadarAIAI 评分5353 HiDream-O1-Video-1.0 在图生视频音频榜首秀排第 6
HiDream 发布原生全模态视频模型 HiDream-O1-Video-1.0，在 Artificial Analysis Video Arena 图生视频（含音频）榜首秀排名第 6。
GitHubAI 评分1515 Sawwah：基于 RAG 与语音、图像识别的沙特阿拉伯 AI 旅游助手
Sawwah 是一款专为探索沙特阿拉伯打造的 AI 旅游助手，集成 RAG、语音识别与计算机视觉，支持阿拉伯语和英语。它提供交互式聊天机器人、语音导航、摄像头识别地标、个性化推荐等功能，并内置地图与收藏书签。应用支持 Windows 10+、macOS 10.15+ 和 Ubuntu 18.04+，需 4 GB 内存与 500 MB 存储空间，可从 GitHub Releases 页面下载安装。
GitHubAI 评分2222 CilginYazilim/transcript-system：YouTube 视频转土耳其语时间戳报告
CilginYazilim/transcript-system 可将 YouTube 链接的视频转录稿用 AI 转成土耳其语报告，报告中每条要点都绑定视频秒数，点击即从该时刻播放。
GitHubAI 评分3636 avplumber：基于 libav 的自定义实时处理图框架
Amagi 开源 avplumber，一个基于 FFmpeg libavcodec、libavformat 和 libavfilter 的图结构实时处理框架，可通过文本 API 动态重配置处理图，在多种场景下替代 FFmpeg。
GitHubAI 评分6262 MirCorp 开源本地 AI 媒体工作室 MirMediaLabs，由 MUSE 智能体调度多模型渲染
MirCorp 发布开源 AI 媒体工作室 MirMediaLabs，全部渲染在用户自己的 GPU 上完成，由 MUSE 智能体在 Auto 模式下自动选择模型、改写提示词并设置参数。
Hacker NewsAI 评分6262 Cloudflare 发布 Clef-omni 多模态决策模型，Clef-flash 降价、Clef 提速
Cloudflare 发布 Clef-omni，在文本和图像之外新增音频（wav、mp3）与视频（mp4、webm）输入，模型权重已在 Hugging Face 开源，基于 Qwen3-Omni-30B-A3B-Instruct MoE 底座并去掉文本转语音输出部分。
GitHubAI 评分3434 Symbio：桌面 AI 智能体伴侣应用，支持 3D VRM 虚拟形象与 Hermes 自主智能体
Symbio 是一款桌面 AI 智能体伴侣应用，AI 以 3D VRM 虚拟形象常驻桌面，可看屏幕、听语音、跨会话保留记忆并自主进化。它支持 OpenAI（12 种语音）或 Google Gemini TTS（30 种语音），并提供 35+ 动画、44 个内置虚拟形象和 42 种语音。
GitHubAI 评分1212 API Evangelist 发布 Mathpix API 第三方档案：涵盖 OCR、转换与手写识别
API Evangelist 发布了 Mathpix 公开 API 的第三方档案，覆盖 Image OCR、Document OCR、Convert、Batch 和 Strokes 五类接口。
RadarAIAI 评分5656 阶跃星辰 Step 5 Preview 在 Kilo 限时免费开放一周
阶跃星辰宣布 Step 5 Preview 在 Kilo 限时免费开放一周。该模型为 600B 参数、每 token 激活 27B，支持 1M token 上下文窗口和视觉能力，主打较低成本下的编码与金融表现。
GitHubAI 评分2828 Poly-Glot AI Workspace：支持 38 种语言的多语言 MCP 工具平台
Poly-Glot AI Workspace 是一个托管式远程 MCP 平台，提供 1,000+ 提示词模板、38 种语言支持和 Compare Mode，并内置 MCP Apps / ChatGPT Apps SDK GUI。
Hacker NewsAI 评分2828 Open Codenames：一种评测 LLM 的新方式
Open Codenames 是一款用图片版 Codenames 游戏来评测 LLM 的开源项目，玩家与 AI 队友对阵两个 AI 对手，AI 需自己看图、在游戏日志中推理并避免重复提示。
RadarAIAI 评分6262 用 Claude Opus 5.5 一次生成 15 支多风格动画短片
一次实验中，作者向 Claude Opus 5.5 描述 15 个不同动画场景，模型自动生成 Python 代码在本地渲染出 15 支 10 秒动画短片，涵盖画面、动画、音乐和音效。该实验主要用于测试模型在视觉-语言理解和代码翻译方面的能力。
Hacker NewsAI 评分6060 Synthesia 发布 Syren：一句提示词生成视频与动态图形
Synthesia 发布 AI 视频创作工具 Syren，目前处于 beta 阶段，用户描述想要的视频或提供已有文档、图片、视频、PowerPoint、YouTube 链接，Syren 的智能体即可生成包含动态图形、动画、数字人、配音、音乐和 b-roll 的成片，并通过对话继续修改。
GitHubAI 评分3030 基于 OpenCV 与 MediaPipe 的 AI 虚拟健身教练 Pose-Form-Rep-Coach 开源
Core Motion Lab 开源 AI 虚拟健身教练 Pose-Form-Rep-Coach，用 OpenCV + MediaPipe 通过普通摄像头实时追踪 17 个身体关键点并自动计数动作重复次数。它支持肱二头肌弯举、深蹲、肩推、俯卧撑等动作，提供姿势纠正提示、组数统计与多语言界面，采用 MIT 许可，模型权重本地化后可离线运行，视频帧仅在内存处理。
Hacker NewsAI 评分3030 VideoDB 在 100 小时动作检索基准上领先 AWS Nova 与 Twelve Labs
VideoDB Action Segmentation + Search 在 100 小时、2,835 段第一视角视频与 11,369 条文本查询的检索基准上，Hit@10 达 40.39%，领先 AWS Nova（35.40%）约 5 个百分点、Twelve Labs Marengo 3.5（32.87%）约 7.5 个百分点。
GitHubAI 评分2020 Solaria 图像可访问性 API：分析上传图片并生成替代文本
Solaria 推出内部 API，通过 POST /v1/images/analyze 接收 JPEG、PNG 或 WebP 图片，调用 AI 检测不当内容并生成 pt-BR 短描述，返回 approved、review_required 或 rejected。
Hacker NewsAI 评分2222 PostVIA.online：一次撰写、AI 适配多平台的社交媒体排期工具
PostVIA.online 是一款社交媒体排期工具，支持一次撰写后由 AI 按各平台风格生成版本，并发布或定时发布到 Instagram、Facebook、LinkedIn、Pinterest、Threads、TikTok、X 和 YouTube。
GitHubAI 评分3434 Neo.mjs：让 Claude、Gemini、GPT 智能体集群自主维护代码库的 Agent OS
Neo.mjs 是一个由 Claude、Gemini、GPT 等跨厂商模型组成的 AI 工程智能体集群，通过共享记忆和 Active Hybrid GraphRAG 互相审阅推理，并借助 Neural Link 直接操作运行中的应用。
GitHubAI 评分2222 基于 React 19 与 Groq 的 WonderWorld 双语客服 AI 聊天机器人
开发者 ahmedibrahimhassan654 发布全栈 AI 聊天应用 ai-chat-bot，采用 React 19、Express 5、TypeScript 严格模式与 Groq 推理 API（运行 openai/gpt-oss-20b），实现带服务端记忆的多轮对话。
GitHubAI 评分1212 Real Mentor AI：AI 驱动的求职辅导 SaaS 平台 MVP 上线
Real Mentor AI 以 MVP 形式上线，将 AI 简历分析、基于 RAG 的简历智能问答、AI 模拟面试、多模态面试（视频/音频/文本）与 AI 职业导师聊天整合为订阅制平台。面试深度分析、职业进度追踪与支付订阅系统已实现，完整简历深度分析、AI 简历生成器等仍在开发中。
Hacker News精选AI 评分7878 Hacktron 披露 HEIF Heist：针对 HEIF/AVIF 图像解码器的一类 RCE 攻击路径
Hacktron 研究团队公布名为 HEIF Heist 的一类远程攻击路径，针对解码攻击者可控 HEIF、HEIC 或 AVIF 图像的服务，可导致内存破坏、数据泄露或远程代码执行。
推荐理由：Hacktron 披露一类针对 HEIF/AVIF 解码器的攻击路径，涉及多家平台，并给出受影响版本与修复建议。
RadarAIAI 评分5555 Google 本周发布 SynthID 全球上线、Nano Banana 2.1 与 EmbeddingGemma 2
Google 本周宣布 SynthID 检测门户面向全球开放英文版，任何人都可用它验证图像、视频或音频是否由 Google 及行业伙伴的 AI 生成。同时发布 Nano Banana 2.1，在视觉设计、主体一致性和精准局部编辑上有所提升，可在不改动整张图的情况下修改特定细节。
GitHubAI 评分2222 mcp-video-inspector：用 AI 与计算机视觉分析视频剪辑效果的开源工具
开源工具 mcp-video-inspector 可自动检测视频中的场景切换与剪辑效果，并借助 AI 语言模型用通俗语言解释分析结果。它基于 OpenCV 与 SceneDetect 处理视频，支持 MP4、AVI、MOV 等格式，最高支持 4K 分辨率，单文件上限 2 GB，仅运行于 Windows 10 及以上 64 位系统。
GitHubAI 评分2020 Campus Recover：面向 Rishihood University 的 AI 失物招领平台
Campus Recover 是面向 Rishihood University 的隐私优先校园失物招领平台，用 5 因子 AI 匹配管线自动匹配失物与招领报告，检索准确率超过 90%。
GitHubAI 评分3636 Inkstone：用免费 Agnes API 把 txt 小说转成漫画，无需 GPU
Inkstone 是一款本地优先的开源工具，读取本地 txt 小说后通过免费 Agnes 多模态 API 生成跨分镜角色一致的漫画页，可导出 PDF 或 PNG，无需 GPU 和付费套餐，只需一个 AGNES_API_KEY。
GitHubAI 评分3838 aigc-cli：终端原生的多厂商 AIGC 工具包，内置 MCP Server
martianzhang/aigc-cli 是一款终端原生的 AIGC 工具包，支持 OpenAI、OpenRouter、Anthropic、Ollama 等兼容接口，可生成图像、视频、音频并运行 Midjourney 全流程。
GitHubAI 评分5050 DocIntel：视觉优先的文档智能提取工具，支持 Claude Sonnet 4.6、Ollama 与 Surya OCR 三条路线
DocIntel 是一个视觉优先的文档智能项目，可从发票、收据、合同、表单和财报中提取结构化数据，支持 PDF、图片及 Office 文件，并提供三条可互换的提取路线：Claude Sonnet 4.6 Vision、自托管 Ollama 视觉模型（Qwen 2.5-VL 7B）以及 Surya OCR（GPU，Tesseract 兜底）。
GitHubAI 评分3838 Huohuo Drama：开源 AI 短剧与小说全栈制作平台
Huohuo Drama 是一个开源全栈 AI 短剧与小说制作平台，在同一工作台内把原始文本处理为格式化剧本、分镜和多模态素材，直至成片导出。每集支持 AI 视频与关键帧幻灯片两条制作流水线，可并行运行；内置 Digital Writer 以 brief → 草稿 → 一致性审查批量写小说，默认启用因果链模式，配合四层连续性记忆维持长篇一致性。
GitHubAI 评分3535 涂鸦发布 agentic-kit：面向 Tuya AI 平台的多模态端侧 SDK
涂鸦开源 agentic-kit，一个让智能硬件接入 Tuya AI 平台的多模态端侧 SDK，支持语音/文本对话、图片理解与生成，以及设备侧 MCP。SDK 提供数据点（DP）管理、OTA 固件升级和 BLE 配网，芯片与操作系统无关，覆盖 macOS、Linux、FreeRTOS (ESP32)、MIPS、ARM。
GitHubAI 评分2222 Kind Robots：一个社会意识驱动的 AI 创意工具套件
Kind Robots 是一个基于 Nuxt 4、Vue 3、TypeScript 等技术构建的 AI 创意工具套件，帮助用户从 "Dream" 种子想法出发，生成 Narrators、Characters、Art 等互联的世界构建资产。
RadarAIAI 评分4242 豆包工作新增画布功能，上线豆包 2.1 Lite 与图片模型 Seedream 5.0 Flash
豆包工作宣布任务模式新增画布功能，支持无限画布查看整理素材与创作成果，并可逐步编辑文字、配色与布局。同时上线豆包 2.1 Lite 模型，主打更省额度、更快交付，覆盖文档撰写、表格处理、PPT 制作等场景。此外新增图片模型 Seedream 5.0 Flash，为生图创作提供更多风格选择。
GitHubAI 评分2020 Recipely：一套代码覆盖 iOS、Android 与 Web 的 AI 菜谱应用
Recipely 是一款用同一套代码发布到 iOS、Android 和 Web 的菜谱应用，支持从提示词或导入的 Instagram 视频用 AI 生成结构化菜谱，并提供步骤内嵌计时器与个人收藏。技术栈为 Expo SDK 57、React Native 0.86 与 React 19.2，采用 DDD 五层架构，测试共 1542 项、覆盖 184 个测试套件。
GitHubAI 评分6060 OwnChat 发布自托管 AI 创作平台，可部署到自己的 Cloudflare 账号
OwnChat 是一个自托管 AI 创作平台，覆盖角色扮演、长文写作、编码与图像语音生成，可一键部署到自己的 Cloudflare 账号，数据与 API key 保留在本地。
GitHubAI 评分2222 SeeSense-AI：用 AI 视觉与语音命令辅助理解周围环境
SeeSense-AI 是一款开源无障碍应用，通过摄像头、AI 视觉模型和文本转语音帮助用户理解周围环境，支持 "Nova, describe" 等语音命令操作。应用提供物体识别、朗读文字和语音控制功能，需 Windows 10 或 macOS 10.14 以上系统、至少 4 GB 内存和 500 MB 磁盘空间，并需联网完成初始设置与更新。