Ferramentas de vídeo e áudio com IA: os melhores de 2026

GUI de grafo de nós, API e backend para executar modelos de difusão localmente e gerar imagens, vídeos, áudio e conteúdo 3D.

Ferramenta de código aberto que transforma um tema ou palavra-chave em um vídeo curto pronto, gerando automaticamente roteiro, narração, vídeos de bancos de mídia, legendas e música de fundo.

Um workspace de design open source e local-first com agentes de IA, onde equipes criam protótipos, sites, apresentações, imagens e vídeos com agentes de programação.

Estúdio de voz open source e totalmente local para clonagem e criação de vozes, dublagem de vídeos, ditado, transcrição e criação de audiolivros em 646 idiomas.

Sistema open source de produção de vídeos com agentes que transforma um assistente de programação com IA em um estúdio de vídeo com pipeline para pesquisa, roteiros, geração de assets e renderização.

Estúdio de voz com IA open source e local para clonar vozes, gerar fala, ditar em qualquer app e dar voz a agentes de IA.

ArtCraft é uma IDE desktop para criar imagens e vídeos com IA, permitindo que artistas componham cenas em 2D e 3D antes da geração.

Assistente de reuniões com IA, open source e local-first, que grava, transcreve em tempo real e gera resumos no macOS e Windows.

Gravador de tela para Windows que captura uma área selecionada, a webcam ou um quadro de desenho e exporta o resultado como GIF, APNG, vídeo, PSD ou PNG.

Um kit de ferramentas que permite a agentes de programação com IA transformar vídeos virais em fluxos de trabalho editáveis e executáveis novamente, com imagens, legendas e B-roll substituíveis.

App para desktop que transcreve e traduz áudio e vídeo offline no seu computador, com tecnologia do Whisper, da OpenAI.

Modelos generativos de vídeo open source que criam vídeos a partir de texto, imagens, fala ou movimentos de personagens, com opções MoE e 720P.

Uma skill de agente que transforma o projeto que você acabou de criar em um vídeo curto de lançamento, com música, animações e texto pronto para compartilhar.

Um modelo fundacional de 8 a 29 MB para celulares, wearables, robôs e microcontroladores, que processa chamadas de ferramentas, extração estruturada, embeddings e transcrição de fala no próprio dispositivo.

Web app Gradio voltado para Windows para fluxos de dublagem: download do YouTube, separação de vocais, legendas com Whisper, tradução e TTS com clonagem de voz.

Uma skill de agente para Claude Code e Codex que cria vídeos cinematográficos de divulgação de produtos no Remotion usando seus próprios screenshots e textos.

YuE2 é um modelo aberto de geração musical que cria uma partitura editável de melodia e acordes a partir de letras e de um prompt de estilo e, em seguida, transforma essa partitura em uma música completa com vocais.

Aplicativo desktop de código aberto para baixar vídeos e áudios de mais de 1.000 sites, transcrever localmente e gerar resumos ou responder perguntas com IA.

Uma skill de agente que cria uma landing page 3D controlada pela rolagem, com a câmera atravessando um mundo isométrico contínuo gerado por IA.

Biblioteca Python de inferência para o Kokoro-82M, um modelo de conversão de texto em fala com pesos abertos e 82 milhões de parâmetros.

Extensão de navegador de código aberto que exibe traduções bilíngues de páginas ao lado do texto original, com tradução de trechos selecionados e ajuda de leitura com IA.

App open source de motion graphics e composição, feito em Rust puro e inspirado no Adobe After Effects, com keyframes, 306 efeitos e importação/exportação de Lottie.

Pacote Python de código aberto que transforma sites, PDFs, imagens, vídeos do YouTube ou temas em conversas de podcast em áudio e vários idiomas usando GenAI.

Implementação de código aberto do StoryDiffusion, um método para gerar sequências de imagens com personagens consistentes e vídeos longos usando modelos de difusão.

Aplicativo desktop de código aberto e multiplataforma que transforma prompts de texto e clipes de vídeo em vídeos curtos de marketing com copywriting por IA, narração TTS e edição automática.

Modelo leve de text-to-speech baseado no ZipVoice para clonagem de voz, que gera fala em 48 kHz a até 150x o tempo real na GPU.

Plataforma de código aberto para transformar temas ou roteiros em vídeos curtos e episódios de microdrama com IA, do storyboard ao filme finalizado.

Downloader de vídeos do YouTube para desktop, com interface PySide6 e baseado no yt-dlp para baixar vídeos, áudio, legendas e metadados.

Uma skill de agente de IA que transforma arquivos de legenda SRT em vídeos de whiteboard desenhados à mão, com elementos traçados na ordem da narrativa sobre papel bege-claro.

App gratuito e open source para desktop que grava a tela e transforma a captura em demos de produto e tutoriais bem acabados.

Arquivos de skill para agentes que orientam assistentes de IA a escrever prompts para o modelo de geração de vídeos Seedance 2.0, da ByteDance.

Skill para agentes de IA que automatiza a edição de vídeos na versão chinesa do JianYing (JianyingPro), do roteiro e da narração às legendas e à exportação.

Teleprompter gratuito para macOS que destaca o roteiro palavra por palavra enquanto você fala, em uma sobreposição no estilo Dynamic Island.

Um agente de IA open source para redes sociais, da descoberta de tendências à criação, publicação e análise de desempenho em plataformas chinesas como Xiaohongshu, Douyin e Bilibili.

Um agente de edição de vídeo com IA que transforma instruções em linguagem natural em edições planejadas e executadas com ferramentas, com Style Skills reutilizáveis para manter a consistência narrativa.

Uma skill de agente que cria animações geradas por IA e as conecta ao scroll, mouse, arrasto, toque ou orientação do dispositivo em páginas web.

Um modelo de mundo interativo open source da Skywork AI que renderiza cenas de jogos jogáveis quadro a quadro com um modelo de vídeo causal sobre um mecanismo de jogo executável.

Framework open source para gerar vídeos de avatares em tempo real a partir de áudio, com streaming de duração praticamente ilimitada, baseado no modelo Wan2.2-S2V de 14B.

Coleção de 419 modelos de IA pré-treinados para visão, fala, NLP e LLMs, executáveis por uma CLI simples com download automático dos pesos.

Editor de vídeo com várias faixas que roda inteiramente no navegador, com processamento local de mídia, animação por keyframes e exportação baseada em WebCodecs.

Uma skill de agente no estilo Claude/Codex que transforma um tema em um storyboard de animação com stickman, com prompts de vídeo para o Google Flow e indicações de voz e som.

Uma skill do Claude Code que baixa vídeos do YouTube, divide-os em capítulos gerados por IA, recorta trechos e incorpora legendas bilíngues ao vídeo final.

Gera vídeos educacionais a partir de conceitos, com agentes LLM que escrevem código executável em Manim em vez de produzir pixels diretamente.

Uma Agent Skill e um servidor MCP que oferecem a agentes de programação 42 ferramentas locais do FFmpeg para cortes, legendas, reenquadramento, loudness e exportações para plataformas.

Um mecanismo de animação em Python que usa a API do Manim CE para vídeos de matemática em 2D e 3D, renderizados em um núcleo de GPU com Rust e wgpu.

Estúdio local e open source de áudio e música para macOS e Windows, que executa TTS, clonagem de voz e criação de músicas com IA totalmente offline.

Modelo de síntese de voz ultraleve que roda no dispositivo, com arquitetura de 80 milhões de parâmetros, saída em streaming a 32 kHz e suporte a CPU, CUDA e MPS.

App de ditado com IA, open source e local-first, que transforma fala em texto no macOS e Windows e formata o conteúdo de acordo com o app ativo.

Um workspace desktop nativo de IA para criação de vídeos, onde você conecta ideias, modelos e assets em um canvas livre, com um agente participando do fluxo de trabalho.

Copiloto de IA open source para macOS e Windows que flutua sobre a tela, ouve reuniões e fica oculto no compartilhamento de tela, usando sua própria chave de API.

App de tradução de fala bidirecional em tempo real para reuniões bilíngues, com provedores na nuvem ou inferência totalmente offline no dispositivo, para desktop e Chrome/Edge.

Kit inicial para animar um personagem de desenho animado pintado à mão com Claude, usando p5.js e p5.brush.

Curso prático para criar uma central de atendimento telefônico com agentes de voz de IA usando FastRTC, Superlinked, Twilio, Opik e Runpod.

Skills para Claude Code e Codex voltadas a vídeo: análise de planos, reprodução sincronizada lado a lado e remoção de metadados, com base no ffmpeg.

Ferramenta de linha de comando não oficial que lê e edita projetos de rascunho locais do CapCut e JianYing, sem precisar de API ou servidor.

Editor de vídeo open source e local-first que roda no navegador, com timeline multifaixa e IA no dispositivo para narração, legendas, música e restauração.

Uma skill do Claude Code que transforma um tema curto em uma animação de canvas desenhada proceduralmente, em um único arquivo, e renderizada em MP4.

Estúdio de pré-visualização no navegador para bloquear cenas, posar personagens e montar movimentos de câmera, com exportação de planos para modelos de vídeo com IA.

Modelo open source da Tencent Hunyuan que gera vídeos interativos de jogos a partir de uma imagem de referência e comandos de teclado ou mouse.

Ferramenta para Windows que lê textos exibidos nos jogos com OCR, traduz com IA ou serviços gratuitos e sobrepõe a tradução ao jogo.