跳转至

AI 工具收藏

收藏值得关注、以后可能试用或集成到工作流里的 AI 工具。优先记录：它解决什么问题、适合放在哪个分类、什么时候值得用、有什么风险。

分类索引

  • AI 语音 / TTS / 语音克隆：语音合成、声音克隆、听写、Agent 语音输出。
  • AI Agent / 编程工作流：编码助手、MCP 工具、自动化执行环境。
  • 内容创作：视频、播客、有声书、课程素材、角色对白。
  • 本地优先工具：可离线、本机推理、数据不默认上传云端。
  • 科研绘图 / 可编辑插图：把参考图复刻为 PPT、WPS 或 draw.io 中可编辑的形状、文字和连接线。

科研绘图 / 可编辑插图

Scientific Illustrator

  • 地址：icebird1998/scientific-illustrator
  • 旧项目：icebird1998/drawio-scientific-illustrator
  • 归类：Codex 插件、MCP 工具、科研绘图、可编辑插图复刻、PowerPoint / WPS / draw.io 自动绘制。
  • 一句话：把参考图上传给 Codex 后，插件会尽量用可编辑对象在 Microsoft PowerPoint、WPS 演示或 draw.io Desktop 中重新绘制，并自动检查和修正。
  • 状态说明：用户给出的 drawio-scientific-illustrator 已停止功能与兼容性更新；后续开发迁移到 scientific-illustrator，新用户应优先使用新项目。
  • 核心能力：
  • 支持 PowerPoint、WPS 演示和 draw.io Desktop，输出可编辑 PPTX 或 .drawio 文件。
  • 通过插件内的 MCP 工具连接本地软件，按区域逐步绘制并截图检查。
  • 优先使用文字、形状、连接线、表格、图表和分组对象；复杂纹理、显微照片等难以矢量化的区域才作为图片插入。
  • 支持导出最终预览图，适合论文图、科研汇报图、机制示意图和流程图整理。
  • 适合场景：
  • 看到一张论文示意图或汇报图，想复刻成可编辑版本继续修改。
  • 需要把杂乱截图重画为统一风格的 PPT / draw.io 插图。
  • 想让 Codex 边绘制边检查，不只是生成一份静态图片。
  • 不适合场景：
  • 需要像素级复刻照片、显微图、热图或复杂纹理。
  • 只想生成一张好看的图片，不需要后续编辑；这类任务更适合图像生成工具。
  • 不想安装本地 PowerPoint、WPS 或 draw.io Desktop，也不想配置 Codex 插件。
  • 安装提示：推荐安装 scientific-illustrator@scientific-illustrator-tools，安装或更新后需要重启 Codex 并新建任务。
  • 记录日期：2026-08-01。

AI 语音 / TTS / 语音克隆

Voicebox

  • 地址：voicebox.sh
  • 源码：jamiepine/voicebox
  • 官方文档：docs.voicebox.sh
  • 归类：AI 语音工具、本地优先 TTS、声音克隆、听写、Agent 语音输出。
  • 一句话：开源的本地优先 AI 语音工作室，可克隆声音、生成语音、语音转文字，并通过 MCP / REST API 让 AI Agent 发声。
  • 核心能力：
  • 声音克隆：从短音频样本创建 voice profile，用于文本转语音。
  • 多 TTS 引擎：支持 Qwen3-TTS、Chatterbox、LuxTTS、Qwen CustomVoice、TADA、Kokoro 等模型。
  • 听写输入：全局快捷键录音后转写到当前输入框或剪贴板，底层使用 Whisper 系列模型。
  • Agent 语音：通过 MCP 工具 voicebox.speak，让 Claude Code、Cursor、Cline 等支持 MCP 的 Agent 用指定声音播报结果。
  • 本地 API：运行后提供 http://127.0.0.1:17493 的 REST 接口，可用于脚本、游戏、应用或自动化工作流。
  • 适合场景：
  • 给本地 AI Agent 增加语音播报，例如测试通过、构建完成、任务提醒。
  • 生成课程、播客、游戏 NPC、旁白、有声内容等多角色语音素材。
  • 使用本地听写替代云端语音输入，减少语音数据上传。
  • 批量生成固定风格的语音片段，接入脚本或 Stream Deck 等工具。
  • 不适合场景：
  • 需要商业级 SLA、团队权限、云端协作和版权保障的生产语音服务。
  • 不愿意处理本地模型下载、硬件性能、显卡兼容和磁盘占用的用户。
  • 对声音肖像权、授权和合规要求很高但还没有明确流程的项目。
  • 与 Codex 的关系：Voicebox 不是代码 Agent，而是语音能力层。它可以作为 Codex / Claude Code 这类 Agent 的 MCP 工具，让 Agent 把关键状态用语音说出来。
  • 试用建议：先从“本机听写 + Agent 播报”两个低风险场景试起，再考虑声音克隆和内容生产。克隆他人声音前要确认授权，避免生成误导性或冒充性质的音频。
  • 记录日期：2026-08-01。