今天发现一个特别有意思的开源神器,叫 Podcastfy,直接把谷歌那个爆火的“AI 双人播客”功能搬到了本地。
平时遇到几十页的行业报告、长文深度分析,盯着屏幕看半天眼睛酸,直接让机器干巴巴地照本宣科念出来,听两分钟又容易犯困。
这个开源项目直接把枯燥文字变成了电台节目:
🔹 丢啥都能聊起来:不管是网页链接、PDF 文档、长篇文章,甚至几张图片,丢进去就能自动生成一男一女两个主持人一唱一和的对话脚本,语气自然,还会互相捧哏和提问。
🔹 开源免费不设限:完全没有商业平台的字数和次数限制,声音引擎随便挑,既能接高拟真语音接口,也能用免费轻量方案,把自己的长文批量做成音频节目。
🔹 提示词全由你掌控:主持人的性格、语速、聊天深度全都能自己调,想听专业硬核拆解,还是想听轻松幽默的闲聊版,一句话就能改风格。
对喜欢在开车、散步时“听”干货,或者想把自己的图文内容低成本做成播客栏目的朋友来说,绝对是个宝藏工具。
项目地址:github.com/souzatharsis/podc…
14
11
249
今天发现一个能直接替你操作电脑的开源神器,叫 UI-TARS,是字节跳动开源的桌面级视觉智能体。
以前想搞点电脑自动化,动不动就得写脚本、调接口,稍微遇到个没有开放 API 的老旧软件或复杂网页,AI 直接两眼一抹黑。
这个开源项目直接换了个思路——像真人一样“盯着屏幕看图干活”:
🔹 不挑软件,看懂屏幕就能点:不管是微信、Excel、浏览器,还是公司内部的老旧业务系统,只要人眼能看懂的界面,它就能自己识别按钮、自动填表、跨软件搬运数据。
🔹 大白话直接指挥:不用懂任何代码,像给实习生派活一样说一句“把桌面文件夹里的报价单汇总填进这个网页后台”,它就能自己一步步点完。
🔹 支持本地部署,数据不外泄:开源了从轻量级到高精度的全套模型(最小 7B 版本家用显卡就能跑),敏感表格和本地文件全在自己电脑上处理,安全感拉满。
说白了,这才是普通人真正用得上的“数字实习生”——把那些最磨人的机械重复点击全丢给它,自己只管把关结果就行。
项目地址:github.com/bytedance/UI-TARS
今天发现一个专治 AI 画图“土味感”的神器,叫 cathrynlavery/diagram-design,在 GitHub 上已经狂揽近 7 万星了。
平时让 AI 画流程图、架构图或者对比图,最让人头疼的就是吐出来全是干巴巴的黑白色块,线还经常连歪,放进文章或汇报里根本拿不出手。
这个开源技能包直接把排版拉到了杂志级水准:
🔹 内置 50 种专业图表:架构图、桑基图、热力图、四象限对比全都有,你只要用大白话告诉它你要表达什么逻辑,它就能直接生成排版极其克制高级的图。
🔹 老图一键翻新:你手里原本那些丑哭的 Mermaid 或 draw.io 流程图,直接丢进去,它能按出版级审美重新帮你重绘一遍。
🔹 打开就能用,不靠花哨滤镜:生成的是纯静态高清矢量图,不依赖任何花里胡哨的网页平台,直接挂在 Claude Code、Codex、Cursor 或 Gemini CLI 里就能指挥它干活。
平时要写长文拆解、做方案汇报的朋友,装上这个技能,配图质感直接上好几个台阶。
项目地址:github.com/cathrynlavery/dia…
8
12
471

























