101 proyectos
Genera y edita vídeo, transcribe voz, añade subtítulos y sintetiza voces con IA open source.
GUI de grafo de nodos, API y backend para ejecutar modelos de difusión localmente y generar imágenes, video, audio y contenido 3D.
Herramienta de código abierto que convierte un tema o una palabra clave en un video corto terminado, y automatiza el guion, la narración, las imágenes de archivo, los subtítulos y la música de fondo.
Un espacio de trabajo de diseño con IA, de código abierto y local primero, donde los equipos crean prototipos, sitios web, presentaciones, imágenes y videos con agentes de programación.
Estudio de voz de código abierto y totalmente local para clonar y diseñar voces, doblar videos, dictar, transcribir y crear audiolibros en 646 idiomas.
Sistema de producción de video de código abierto basado en agentes que convierte un asistente de programación con IA en un estudio de video con procesos para investigar, escribir guiones, generar recursos y renderizar.
Estudio de voz con IA local y de código abierto para clonar voces, generar voz, dictar en cualquier aplicación y dar voz a agentes de IA.
A self-hosted, OpenAI-compatible AI engine that runs LLMs, vision, voice, image and video models on CPU or any GPU.
A modern, mpv-based video and music player for macOS with a native Swift interface.
ArtCraft es un IDE de escritorio para crear imágenes y videos con IA, que permite a los artistas componer escenas en 2D y 3D antes de generarlas.
Asistente de reuniones con IA, de código abierto y local, que graba, transcribe en tiempo real y genera resúmenes en macOS y Windows.
Grabador de pantalla para Windows que captura una región seleccionada, la webcam o una pizarra de dibujo y exporta el resultado como GIF, APNG, video, PSD o PNG.
Un kit de herramientas que permite a agentes de programación con IA convertir un video viral en un flujo de trabajo editable y reutilizable, con imágenes, subtítulos y B-roll intercambiables.
Aplicación de escritorio que transcribe y traduce audio y video sin conexión en tu computadora, con tecnología de Whisper de OpenAI.
Modelos generativos de video de código abierto que crean videos a partir de texto, imágenes, voz o movimientos de personajes, con opciones MoE y 720P.
Una skill de agente que convierte el proyecto que acabas de crear en un breve video de lanzamiento, listo para compartir, con música, animación y texto para acompañar la publicación.
Open-source massively multilingual zero-shot text-to-speech model supporting 600+ languages, with voice cloning and voice design.
Un modelo fundacional de 8-29 MB para teléfonos, wearables, robots y microcontroladores que gestiona llamadas a herramientas, extracción estructurada, embeddings y voz a texto en el dispositivo.
Aplicación web de Gradio centrada en Windows para flujos de doblaje: descarga de YouTube, separación de voces, subtítulos con Whisper, traducción y TTS con clonación de voz.
Una skill de agente para Claude Code y Codex que crea videos promocionales cinematográficos de productos en Remotion a partir de tus propias capturas de pantalla y textos.
YuE2 es un modelo abierto de generación musical que crea una partitura editable de melodía y acordes a partir de una letra y una indicación de estilo, y luego la convierte en una canción completa con voces.
Aplicación de escritorio de código abierto para descargar video y audio de más de 1000 sitios, transcribirlos localmente y generar resúmenes o responder preguntas con IA.
Una skill para agentes que genera una landing page 3D controlada por el scroll, con una cámara que recorre un mundo isométrico conectado y generado con IA.
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
Extensión de navegador de código abierto que muestra traducciones bilingües junto al texto original, con traducción de selecciones y ayuda de lectura con IA.
Aplicación de código abierto para motion graphics y composición, escrita íntegramente en Rust e inspirada en Adobe After Effects, con fotogramas clave, 306 efectos e importación y exportación de Lottie.
Paquete de Python de código abierto que convierte sitios web, PDF, imágenes, videos de YouTube o temas en conversaciones de podcast multilingües con GenAI.
Implementación de código abierto de StoryDiffusion, un método para generar secuencias de imágenes con personajes consistentes y videos largos mediante modelos de difusión.
Aplicación de escritorio multiplataforma y de código abierto que convierte una instrucción de texto y clips de video en videos cortos de marketing con redacción asistida por IA, voz TTS y edición automática.
Modelo ligero de text-to-speech basado en ZipVoice que clona voces y genera audio a 48 kHz hasta 150 veces más rápido que en tiempo real con GPU.
Plataforma de código abierto para convertir temas o guiones en videos cortos y episodios de microdrama generados con IA, desde el storyboard hasta la película terminada.
Descargador de YouTube de escritorio con interfaz PySide6, basado en yt-dlp para descargar videos, audio, subtítulos y metadatos.
Una skill de agente de IA que convierte archivos de subtítulos SRT en videos de pizarra con dibujos a mano, trazados en el orden narrativo sobre papel beige cálido.
Aplicación de escritorio gratuita y de código abierto para grabar la pantalla y editar el resultado como demos de producto y tutoriales pulidos.
Archivos de skills para agentes que guían a asistentes de IA en la redacción de prompts para el modelo de generación de video Seedance 2.0 de ByteDance.
Una skill para agentes de IA que automatiza la edición de video en la versión china de JianYing (JianyingPro), desde el guion y la narración hasta los subtítulos y la exportación.
Un teleprompter gratuito para macOS que resalta el guion palabra por palabra mientras hablas y lo muestra en una superposición al estilo Dynamic Island.
Agente de IA de código abierto para redes sociales que cubre la detección de tendencias, la creación de contenido, la publicación y el análisis de rendimiento en plataformas chinas como Xiaohongshu, Douyin y Bilibili.
Un agente de edición de video con IA que convierte instrucciones en lenguaje natural en ediciones planificadas y ejecutadas con herramientas, y ofrece Style Skills reutilizables para mantener la coherencia narrativa.
Una skill de agente que diseña movimiento generado con IA y lo vincula al scroll, el mouse, el arrastre, el tacto o la orientación del dispositivo en páginas web.
Un modelo de mundo interactivo de código abierto de Skywork AI que genera escenas de juego jugables, fotograma a fotograma, con un modelo de video causal sobre un motor de juego ejecutable.
Framework de código abierto para generar en tiempo real videos de avatares a partir de audio, con transmisión de duración prácticamente ilimitada y un modelo base Wan2.2-S2V de 14B.
Colección de 419 modelos de IA preentrenados para visión, voz, NLP y LLM, ejecutables desde una CLI sencilla con descarga automática de pesos.
Editor de video multipista que funciona por completo en el navegador, procesa los medios localmente y ofrece animación con keyframes y exportación basada en WebCodecs.
Una skill de agente al estilo Claude/Codex que convierte un tema en un storyboard de animación con stickman, con prompts de video para Google Flow e indicaciones de voz y sonido.
Una skill de Claude Code que descarga videos de YouTube, los divide en capítulos generados con IA, recorta segmentos y añade subtítulos bilingües al video.
Genera videos educativos a partir de conceptos mediante agentes LLM que escriben código ejecutable de Manim, en lugar de generar píxeles directamente.
Una Agent Skill y un servidor MCP que ofrecen a los agentes de programación 42 herramientas locales de FFmpeg para cortar, añadir subtítulos, reencuadrar, ajustar el volumen y exportar para distintas plataformas.
Motor de animación en Python que usa la API de Manim CE para crear videos de matemáticas en 2D y 3D, con un núcleo de renderizado en Rust y wgpu.
Estudio local de audio y música de código abierto para macOS y Windows, que ejecuta TTS, clonación de voz y creación de canciones con IA completamente sin conexión.
Modelo de texto a voz ultraligero que funciona en el dispositivo, con arquitectura de 80M parámetros, salida en streaming a 32 kHz y compatibilidad con CPU, CUDA y MPS.
App de dictado con IA, de código abierto y local primero, que convierte voz en texto en macOS y Windows y adapta el formato según la aplicación activa.
Un espacio de trabajo de escritorio para crear videos con IA, donde conectas ideas, modelos y recursos en un lienzo libre y un agente participa en el flujo de trabajo.
Copiloto de IA de código abierto para macOS y Windows que flota sobre la pantalla, escucha reuniones y se oculta al compartir pantalla, con tu propia clave de API.
App de traducción de voz bidireccional en tiempo real para reuniones bilingües, con proveedores en la nube o inferencia totalmente local, para escritorio y Chrome/Edge.
Kit inicial para animar un personaje de dibujos animados pintado a mano con Claude, usando p5.js y p5.brush.
Curso práctico para crear un centro de llamadas con agentes de voz con IA usando FastRTC, Superlinked, Twilio, Opik y Runpod.
Skills de Claude Code y Codex para trabajar con video: análisis plano a plano, reproducción sincronizada en paralelo y eliminación de metadatos con ffmpeg.
Herramienta no oficial de línea de comandos para leer y editar proyectos de borrador locales de CapCut y JianYing, sin API ni servidor.
A free, open-source K-6 study site for Chinese primary school students, covering math, Chinese, English and science with unit quizzes and audio lessons.
Editor de video de código abierto y centrado en el uso local que funciona en el navegador e integra una línea de tiempo multipista con voz en off, subtítulos, música y herramientas de reparación con IA en el dispositivo.