AI 教程AI教程
Google AI for Site：离线运行与本地知识库搭建实战指南
封面配图 一、核心概述 Google AI for Site 是谷歌推出的本地端侧 AI 文档与会议处理工具。该工具设计为在用户的本地电脑上独立运行，无需连接互联网，能够彻底杜绝商业机密与个人隐私泄露的风险。 核心功能与亮点： 1. 端侧多模态检索与 RAG：底座搭载了谷歌 Ge…
封面配图 一、核心概述 Google AI for Site 是谷歌推出的本地端侧 AI 文档与会议处理工具。该工具设计为在用户的本地电脑上独立运行，无需连接互联网，能够彻底杜绝商业机密与个人隐私泄露的风险。 核心功能与亮点： 1. 端侧多模态检索与 RAG：底座搭载了谷歌 Ge…
封面配图 watermarks-remover 是一款专门用于清理各类数字内容水印的 Agent Skill 工具，可高效去除文本及媒体内容中的标记信息。 多模态支持：涵盖文本、图片、文档以及视频等多种文件格式的处理。 精准去除：专门适配并可有效处理 Claude、Gemini、…
一、核心亮点与背景概述 Yobiru 近期正式发布了突破性新功能——Yobiru Friends。该功能打破了传统个人 AI Agent（如 Grok bot、Muse 等）单打独斗的局限，首次实现了 Agent 到 Agent（A2A）的直接跨端连接与社交互动。 通过 Yobi…
Claude Code Video Vision 是一款专为 Claude Code 打造的视频多模态感知插件。该项目基于标准 MCP 架构，底层结合 ffmpeg 抽帧与 Gemini/Whisper 多音频后端转写，让终端内的 Claude 具备原生“看懂”视频画面与“听懂”…
核心架构图 一、核心亮点与背景概述 Google Flow 是 Google Labs 推出的“一站式 AI 影像创作工作台”，整合了三大最新模型： Nano Banana 2 (Imagen)：免费、无限量的高质量图片生成。 Veo 3.1：支持首尾帧控制的高质量视频生成，最长…
核心架构图 一、核心亮点与背景概述 在自媒体内容创作中，追逐高精度模型与华丽特效常导致生产成本居高不下，且容易因视觉过载造成用户审美疲劳。极简风格的黑白/彩色火柴人动画因认知负荷低、叙事穿透力强，在 YouTube 与 TikTok 等平台具有极高的完播率和广告变现收益。数据显示…
核心架构图 一、核心亮点与背景概述 本教程围绕 ChatGPT 与 Muse 的深度协同，展示如何仅凭用户提供的一张原始图片，自动化生成 45 秒、16:9、24fps、优先 4K 的无对白微电影。该方案解决了传统微电影制作中素材收集、剧本创作、分镜绘制、配乐制作等多环节高成本、…
YuE 是一个基于多模态技术的开源音乐生成模型，能够根据用户提供的歌词和目标风格自动创作带有人声和伴奏的完整歌曲。 输入歌词文本并指定风格（如流行、摇滚、古典等），模型即生成对应的人声旋律与和声。 支持先输出乐谱（MIDI），用户可自行编辑旋律或和声后再次生成音频。 生成的音频包…
一、核心概述 本教程基于 Bilibili 开源的 DeskTranslator 与其最新发布的 IndexTranslator（35B）模型，演示如何在本地搭建一个 OpenAI 兼容的翻译代理，并在 YouTube 上实现自动字幕翻译。核心痛点： 商业大模型翻译费用高昂，按量…
AI Health Steward 是一款支持私有化部署的家庭 AI 健康管理系统，旨在解决家庭健康数据分散、难以追踪及隐私泄露痛点。系统采用多模态大模型与本地 Ollama 双轨驱动，确保数据在本地安全处理，实现从数据采集到智能分析的全流程闭环。 化验单结构化存档：支持拍照识别…
过审（guoshen）是一款开源的多模态视频发布前预检工具。它旨在帮助视频创作者在发布前，提前发现文案、语音和画面中的潜在审核风险，避免因违规导致限流或下架。 主要功能与亮点包括： 多模态联合分析：综合分析音频语音、字幕文案、画面及 OCR 文本。 精准定位与建议：精确定位风险内…
SpiderFoot 是一款开源的互联网资产与威胁情报调查工具，旨在自动关联域名、IP、邮箱等目标的多源公开线索，帮助安全人员快速梳理和评估互联网暴露面。 自动化情报收集：集成数百个公开数据源（OSINT），自动抓取并关联目标资产信息。 多模态操作：同时支持直观的 Web 网页界…
一、核心概述 ComfyUI 凭借其极高的自由度和强大的节点生态，成为了 AI 图像与视频生成领域的绝对神器。然而，其陡峭的学习曲线、繁琐的节点连接以及复杂的模型配置，常常让新手望而却步。为了解决这一痛点，Comfy Agent 应运而生。 Comfy Agent 是一款将自然语…