音视频多媒体

基于Wav2Lip模型开发的音频驱动数字人唇形同步工具，输入单张人物图片与语音音频，即可自动生成口型与音频精准匹配的数字人说话视频，人物眉眼、头部等其余面部区域保持自然静态，适用于短视频制作、数字人播报、课程配音、虚拟解说等场景。1.核心算法：基于GAN生成对抗网络架构，通过提取音频梅尔频谱特征驱动

SHOTWISE是一款开源、自托管的AI视频生产工作台，面向AI漫剧/短剧、小说说书和广告带货短视频等场景。用户只需导入小说、成品剧本或商品素材，系统即可通过多智能体编排完成内容分析、角色与场景提取、分集规划、结构化剧本、分镜生成、旁白与视频片段制作，并进一步合成成片或导出剪映草稿。项目提供角色、场

该项目主要是短视频和主播直播为主的各类视频娱乐项目，提供各类视频，短视频，直播视频提供视频为主的资源。功能主要有：短视频播放，直播间，送礼物，聊天，视频推荐和搜索，关注等功能

多屏预览：支持1/4/6/9/12/16/25屏自由切换，满足各种监控场景✅分屏控制：一键清空、保存布局、恢复布局、全屏模式✅智能云台：上下左右方向控制、变倍、聚焦、光圈调节、预置位巡航✅语音对讲：双向语音对讲，支持单路音频开关✅截图抓拍：实时画面快照保存✅多码流切换：普清、高清、超清三档码流自由切

提供多画布分页、文本/图片/视频/音频/分镜节点、拖拽连线、分组、缩放和小地图。创作助手支持候选剧本、镜头与提示词拆解及视频时间点分析，草稿可编辑后加入画布。支持模型目录与参数配置、异步媒体任务、进度状态、素材检索、媒体预览和下载；视频处理模块提供FFmpeg合并与转场。项目支持本地保存、服务器版本

Zeno是面向影视特效制作的开源物理仿真与渲染引擎，通过节点图组织计算流程，支持流体、刚体、弹塑性材料及流固耦合仿真，并提供几何处理、实时预览和光线追踪渲染。相关仿真特效曾用于《流浪地球2》和杭州亚运会开幕式。我于2020年12月至2024年1月担任创始成员及核心研发工程师，主导节点图执行引擎、数据

1.通过115离线下载解析磁力链接，生成.strm文件，并记录磁链信息和115文件信息。2.访问strm时，若115网盘中目标文件仍存在，则直接使用，若不存在，则自动重新离线后使用。3.从而使用极小的磁盘空间和较小的115容量即可管理超大规模的影视库。4.对外暴露Aria2和qBittorrent兼

1.核心逻辑层（core/）watermark_core.py：定义水印参数数据类（WatermarkParams），封装水印位置、大小、旋转角、透明度、颜色等属性；提供核心渲染函数apply_watermark，将水印参数与源图片结合，生成最终输出图像（支持JPEG格式）。font_manager

这是一个**AI音乐处理Web应用**，用户上传音频后，系统自动完成端到端处理：1.**6轨音源分离**-用Demucs`htdemucs_6s`模型分离vocals/drums/bass/piano/guitar/other2.**乐器识别与MIDI转录**-对other轨二次分类（piano/g

Mineradio_web是一款Windows网页沉浸式音乐播放器，把搜索播放、歌词舞台、粒子视觉、3D歌单架和完整桌面模式组合成一个更接近现场感的私人音乐空间。

面向短视频创作的智能AIGC系统。核心功能模块包括：1.样例视频解析：上传爆款样例视频后，系统通过ffprobe提取元数据、PySceneDetect识别镜头节奏、Whisper提取语音脚本，自动生成VideoDNA结构化数据2.结构迁移引擎：将样例的脚本线索、镜头节奏和素材槽位抽象为统一的Vide

一款基于Live2DCubism的AI桌面宠物系统的项目，采用Python+PySide6，构建无边框透明桌面窗口，支持鼠标追踪、眼球动画与拖拽交互。核心能力包括：集成多厂商LLM（OpenAI/DeepSeek/Ollama等），实现流式对话与情感标签提取；对接GPT-SoVITS，完成实时语音合

VibeVideoing是面向智能视频生产的专业编辑器。Agent可协同完成脚本拆解、素材生成、动画编排、代码迭代与渲染验证；创作者则通过多轨时间线、场景分组、参数面板和画布交互进行精细调整，实现代码能力与专业级图形化剪辑体验的无缝结合。

核心展示：循环轮播展示图文素材，支持批量新增、编辑、删除幻灯片；2.无障碍适配：所有图片必填alt描述文本，满足网站合规要求；3.交互控制：开启/关闭自动轮播、设置滑动动画时长、自定义切换方向；4.数据兼容：支持备用素材地址（alt备用资源），主素材加载失败自动切换备用资源；5.响应式适配：电脑、手

本项目是一款基于PHP8.1+的可视化抖音作品解析与本地下载工具，支持抖音短链、视频页、图文页及完整分享口令。解析过程通过NDJSON流式展示实时进度，可识别多种页面数据并自动切换回退策略。视频结果支持按清晰度、分辨率以及H.264、H.265、AV1编码选择无水印MP4；图文作品支持原图预览，并将

1.依托Electron打造可多终端联动的本地音乐播放器，以Vite-Vue搭建现代化前端，结合Node.js、SQLite构建轻量化本地后台；2.打通多类控制通路，本地客户端、远程网页、外部接口均可跨端操控播放器；3.支持后台静默播放，深度对接Windows系统媒体控制模块；内置歌词智能解析匹配引

软件介绍CyberVerse是一个开源的实时数字人Agent框架。我做这个项目时，一直想解决一个很具体的问题：数字人不应该只停留在“生成一段视频”或“播放一个虚拟形象”的阶段。更有意思的是你打开一个界面，选择一个角色，给它配置声音、人设、记忆和模型，然后它真的可以开始和你说话，可以被打断，可以接着聊

项目定位：用户一句话描述主题，AI自动从长视频中裁剪跑题/废话/停顿段落，输出主题相关短视频片段。全程本地处理，不上传云端。GitHub开源MIT，中英文README+PRD文档。1、功能模块：6步管线——Step1意图提取（NL→视频路径+主题+强度）、Step2Whisper转字幕、Step2.

浏览、搜索、排序本地视频目录。按目录、标签、收藏组织视频，支持多标签交集筛选。使用FFmpeg生成缩略图。缓存视频时长、分辨率、编码等元数据，并使用扫描索引加快再次打开视频库。使用mpv播放常见桌面视频格式。支持深色/亮色主题。支持手机端扫码绑定电脑。手机端可在局域网内浏览电脑视频库。手机端提供沉浸

1、项目有哪些具体功能模块跨平台推理适配模块、五层防误唤醒检测模块、模型加载解析模块、音频梅尔频谱转换模块、多唤醒词并行识别模块。2、项目的主要功能描述支持加载各类框架导出的ONNX唤醒词模型，内置五层独立可控防误触发检测逻辑，搭配倍率、阈值、置信度可视化调节；一套代码兼容ESP32、Android