AI 應用

本分類收錄 26 篇研究筆記。

日期	筆記	摘要
2026-10-22	Wan2GP(WanGP)	DeepBeepMeep 一人主導的「GPU 窮人」本機生成超級 app:從 Wan2.1 fork 起家,現在一個 Gradio 介面塞進 Wan 2.1/2.2、LTX-2.x、Hunyuan Video、MiniMax H3、Flux、Qwen Image、TTS、音樂、3D 等 277 個模型定義;靠自家 mmgp 做分塊 offload、量化與 VRAM 配置,部分模型 6 GB VRAM 就能跑。內建 Python API + MCP server + 官方 agent skill,Claude Code / Codex 可以直接當遙控器。授權從 Apache-2.0 一路改成自訂的 WanGP Community License 2.0
2026-09-15	VoiceStudio	29.5K★、AGPL-3.0 的「本機版 ElevenLabs」——聲音複製、聲音設計、影片配音、聽寫、轉錄、有聲書，16 個 TTS + 11 個 ASR 引擎、646 種語言，全程跑在自己機器上，不用帳號、金鑰、訂閱。Tauri v2 + React + FastAPI，預設接 loopback，內建 AudioSeal 浮水印與 MCP server。repo 本身也是 AI 輔助開發的樣本（CLAUDE.md 18KB、skills/、skills-lock.json）
2026-09-04	abogen	土耳其 Deniz Şafak 的 Python 有聲書工廠:把 EPUB/PDF/txt/markdown/字幕檔丟進去,用 Kokoro-82M(82M 參數、Apache-2.0)本機 TTS 生成自然語音,並同步吐出逐句/逐字字幕(SRT/ASS/VTT)。重點不在自研模型,而在完整 pipeline——章節解析、章節標記、M4B 封面/metadata、語音混音、佇列批次、離線下載,外加可插拔 TTS 引擎架構(Kokoro + Supertonic)與 PyQt6 桌面 + Flask Web UI 雙介面;Web UI 還接了 LLM 正規化、多角色配音、Audiobookshelf 整合
2026-09-02	ai-job-search	丹麥地球物理學家失業後打造、建構在 Claude Code / Agent Skills 之上的『fork 到自己機器上跑』求職框架:五維 fit 評分 + 雙硬 gate、drafter-reviewer 雙 agent、會實際編譯 PDF 並逐頁檢查版面 + ATS 文字層驗證的 CV/求職信產生流;刻意不做海投、送出由人。近 4 萬星 MIT
2026-08-18	Koharu	Rust 寫的本機優先漫畫翻譯器,把偵測→OCR→修復→翻譯→排版→PSD 匯出串成 staged ML pipeline;更關鍵的是內建一個 in-process、OAuth 打 ChatGPT Codex backend 的 agent,用 function-calling tool + revision-safe 編輯驅動整個翻譯專案
2026-08-04	lecture-to-notes	演講／研習錄影 → 結構化「可溯源」筆記 + 影片-逐字稿-摘要三向同步的 HTML 檢視器；本機 GPU pipeline(Whisper·投影片抽取·OCR·VLM),Claude Code skill + CLI
2026-08-03	pdf-inspector	Firecrawl 開源 Rust PDF 解析器 — 免 OCR 分類文字/掃描檔，200ms 內轉乾淨 Markdown
2026-07-28	AI Real Estate Assistant	單人（1314/1400 commits）做出 6 萬行、7000 測試、13 個 LLM provider 的房產 RAG 搜尋平台，MIT 授權 + 明碼標價的 open-core 漏斗（Pro $29/mo）；最值得看的是它把「Render 免費層 512MB 逼出的 lazy import hack」連同「這不是最佳實踐」一起寫進 README
2026-06-12	LINE Chatbot Boilerplate	用 decorator 註冊指令、Redis 存對話狀態的早期 LINE chatbot Python boilerplate（Wit.ai NLU、Yeoman 產生器）
2026-06-11	AI 虛擬人 Widget（ai-avatar-bot）	一行