HyperFrames 是一个把 HTML、CSS 和动画直接渲染成 MP4 视频的开源框架，可以理解为「网页转视频」的自动化流水线，底层结合了 Puppeteer 截帧和 FFmpeg 编码。它最大的特点是为 AI 编程 Agent 设计：装上对应 skills 后，你可以在 Claude Code、Cursor、Codex 等工具里直接说「做一个 10 秒产品介绍视频，带淡入标题和背景音乐」，Agent 会按它的生产流程规划脚本、写 HTML、接上可拖动进度的动画、加媒体素材、检查并渲染成片。相比 Remotion 这类需要写 React 组件的方案，它用纯 HTML/CSS 描述画面，对 Agent 更友好，输出也确定可复现。适合做产品演示、数据图表动画、字幕叠加、幻灯片式短视频的内容团队和 AI 应用开发者；如果你的工作和视频生产或 Agent 自动化无关，可以略过。

Muse4AI 是一个跑在你本机 Windows 上的桌面桥接工具，作用是把你登录好的 Muse（Meta 的图片视频生成服务）会话开放给 ChatGPT、Claude、Cursor、n8n 等 AI Agent 调用，让它们能直接生成图片和视频。它通过 REST、MCP 或 OAuth 暴露本地接口，所有请求都从你自己的机器发出，生成结果、密钥和令牌也只存在本地，不经过任何中转服务器。具体能力包括：用一句提示词（可附参考图）批量生成图片和视频、让 Agent 在同一对话里续写已生成的视频（最多 6 步约 60 秒）、用自然语言描述来修改已有 MP4，以及带上下文的多轮对话。连接方式支持一次性粘贴 API Key，也支持真正的 OAuth 授权——Agent 发起请求后你在屏幕上输入 6 位码批准，随时可撤销。适合想把 Muse 的生成能力接入自动化工作流的开发者、在 Cursor 或 Claude Code 里做内容生产的人，以及搭建 n8n 自动化管线的工程师；如果你不用 Muse 或不需要让 Agent 生成视频，跟你就没什么关系。注意这是非官方项目，自动化网页服务可能违反 Meta 的服务条款。

这是一个中英文双语的角色参考工作台，把姿势、服饰、人物三类创作素材集中在一个图库里，供画师和 AI 创作者查找灵感、组合参考并直接生成角色。库里收录了 312 组多视角姿势线稿（含配套深度图）、2,769 套写实与动漫服饰、1,527 张人物参考，支持按分类、风格、国家地区、发长等条件筛选和收藏分享。它的核心玩法是「一键生图」：选好姿势和服饰，可选一张人物参考提供面部发型等身份特征，再选自然写真或动漫插画等风格，就能生成保持人物一致的图片；也支持上传自己的穿搭图提取成服饰素材。对做角色立绘、AI 绘画练习、需要稳定角色一致性的内容创作者来说，它省去了到处找参考图和反复调提示词的功夫；素材可免费用于个人学习，但不可商用。如果你的工作与角色设计或 AI 生图无关，这个项目基本用不上。

这是一个把日文 AI 绘画参考图库全面中文化的静态站点，原作者是ギア（@giaaibusi），本仓库将原本分散在三个站点的姿势库、服装库、人像库三合一，共 6,162 条中文元数据、上万张本地高清图，可离线浏览。它不只是图库：内置一个 Web 合成工作台，让你从人像、服装、姿势三个槽位挑素材拼出角色配方，选好后直连 Gemini、GPT Image、Qwen、Doubao 或本地 ComfyUI 生图，还提供 12 种画风预设和自动组装的中文提示词；同时它也是一个 ComfyUI 自定义节点插件，可在画布内调用姿势、服装、人像及三合一配方节点，姿势图可一键切换素体白模与深度图接入 ControlNet Depth。适合做 AI 绘画、角色设计、插画接单的画师和 AI 美术从业者，尤其是需要稳定姿势参考和多图参考生图流程的人；纯后端或算法岗关系不大。

openjutsu 是一个本地运行的视频换人工具，可以看作开源版的 Higgsfield Genjutsu：丢进一段视频和一张角色照片，点生成，视频里的主角就被替换成你的角色，同时保留原片的运镜、剪辑、动作和音轨。它基于 ComfyUI 工作流加 Next.js 前端，用 MiniMax H3 生成视频、SAM 3.1 跟踪人物、Qwen3-VL 描述画面并写提示词，全部跑在自己的 GPU 上。除了换人，它还支持多人各换各的、涂抹替换或移除头发衣服等物体、换背景、根据照片生成新姿势再转视频，以及用 FLUX 在同一次生成里重新打光。适合做短视频二创、虚拟主播换皮、广告素材改版的创作者和 AI 视频方向的工程师，尤其是想摆脱云端付费服务、在本地跑通完整流程的人；不碰视频生成的读者可以跳过。

worldmonitor 是一个实时全球情报仪表盘，把 AI 聚合的新闻、地缘政治动态、军事航班、网络攻击、气候事件、市场行情和预测市场数据整合到同一个态势感知界面里，可以理解为开源版的 Palantir 简化形态。它提供网页、桌面、终端多种形态，还带 MCP server，方便接入自己的 Agent 工作流。比如做跨境业务的人可以盯着供应链所在地区的冲突和港口动态，交易员能同时看地缘事件与大宗商品、汇率的联动，研究 OSINT 的人则能在一个界面里追踪多源事件的时间线。适合需要持续跟踪国际局势的分析师、情报或风控岗位、以及想给 AI Agent 接入实时全球数据的开发者；如果你的工作和地缘、宏观、新闻监控无关，这个项目基本用不上。

MagoStudio 是一款本地优先的 AI 视频编辑桌面应用，可以理解为把 Runway、Kling 这类在线 AI 视频工具搬到你自己电脑上跑。它分两块能力：Mago Director 负责从剧本到成片，你写好剧本、设定角色和分镜，它能生成前后衔接一致的连续场景；Mago Transform 则是素材进、风格化素材出，支持按帧范围编辑、用遮罩只改视频局部、重新打光或替换画面里的人物。渲染默认走你自己的 GPU（底层接 ComfyUI），项目和视频都留在本机，只有需要云端模型时才上传该次渲染必需的素材。它还带版本管理和精确到帧的审阅流程，适合有成片交付压力的人。值得看的是短视频团队、独立影视创作者以及做 AI 视频工作流的工程师——后者还能利用它为 AI agent 而写的代码结构，快速接入新出的视频模型。普通后端或算法岗与它关系不大。

这是一个把单个选题变成成片多语种 YouTube 视频的自动化流水线，可以理解为「AI 版的视频内容工厂」：Claude 的多个 Agent 分工完成写故事、编剧本、分镜规划、画矢量插画和自我审稿，配音、图像、视频片段由付费媒体 API 生成，最后用 Remotion 渲染成片。它内置质量关卡——盲评 Agent 检查画作是否可辨识、是否贴合参考图，不合格就带着缺陷清单重画；真实人物和物体参考 Wikipedia、Wikimedia Commons 的素材，地图国旗用真实数据生成，历史地图还会匹配当年边界。全流程分阶段断点续跑，中途失败可接着来，另有 64 套风格包和一个 Web Studio 让人随时接管、否决或放行。适合想批量做多语种动画科普或解说视频的 YouTube 内容团队、独立创作者，以及对多 Agent 协作视频生产管线感兴趣的技术人；只写代码不做内容的人关系不大。

fy-code-animation 是一个 DeepSeek Harness 技能，用来把中文文案、画风提示词和声音变成前后连贯的代码动画，落地形式可以是 Remotion、Canvas 或 HTML。它针对的是中文动画最容易踩的坑——做成逐句贴卡的 PPT，每镜时长平均、意思断裂；这套流程会先读懂全文，再做语义分镜、选画风、设计镜头转场与角色表演、配音乐音效，最后落地并检查返修，还内置了 341 个画风的检索库和大量可复用的运动、转场、背景、中文字体、数据 UI 源码。适合需要批量产出中文短视频、产品演示动画或知识类内容的自媒体运营、动效设计师，以及想用 AI 工作流替代手工剪辑的开发者；如果你不做视频内容，跟你的关系不大。

这是一套在浏览器里用摄像头做手部游戏的开源工具包，底层跑 Google 的 MediaPipe Hand Landmarker，把每只手的 21 个关键点转成稳定的游戏输入。它内置约 1600 行无依赖的 TypeScript 手势引擎，能识别 20 种静态手势（握拳、比心、捏合、点赞等）、16 种动作（挥手、画圈、推拉、投掷等）以及拍手、缩放、转向等双手手势，还带平滑和防抖处理，避免手势误触发；视频全程留在本地设备。仓库附带一个完整的 three.js 起步游戏模板和一份从 17 个手部游戏总结出的开发手册，作者用它做过《Show of Hands》等 15 款小游戏。它还专门为 coding agent 写了入口文档，你可以直接让 Claude Code 等工具照着模板生成新游戏，比如「用手指挥交响乐」。适合想做体感互动网页、线下活动 demo 或给产品加手势交互的前端和创意开发者；纯后端或做模型训练的人关系不大。

这是一个给 AI 编程 Agent 用的技能包，让 Claude Code、Codex 这类助手能从一张照片加一句话自动生成完整的数字人口播视频：写脚本、生成对口型的 AI 主播、清理配音、加字幕，再套上 YouTuber 风格的包装组件，底层调用 Renoise MCP 和 Grok Video 1.5。它内置 5 种成片风格和 48 个包装组件，覆盖直播带货广告、产品推荐、教程讲解、产品发布拆解等常见短视频形态，还带成本闸门——生成前先报段数、时长和积分消耗，等你确认再批量跑，并用 whisper 转写比对脚本做质检。适合做短视频内容的运营、自媒体创作者，以及想用 Agent 批量生产口播视频的 AI 应用开发者；如果你不做视频内容，跟你的关系不大。

MiniCPM-OCR 是 OpenBMB 推出的文档解析模型系列，主打把扫描件、照片、弯曲页面等复杂来源的中英文文档和 PDF 快速转成结构化文本，覆盖文字、表格、公式、图表、印章等元素，可类比为 PaddleOCR、MinerU 这类工具的模型级替代品。它在真实文档基准 Real5-OmniDocBench 上取得 93.68 的成绩，配合解码加速后端到端效率提升约 55%，吞吐明显高于 PaddleOCR-VL 和 MinerU2.5 Pro，适合批量处理。系列里的 MiniCPM-OCR Jev 更特别：它不负责识别，而是对 OCR 结果做区域级质量评估，标出哪些区域可信、哪些需要人工复核，能搭配任意解析模型使用。值得看的是做文档数字化、票据或合同信息抽取、RAG 数据管线的后端和算法工程师，以及需要在移动端离线跑 OCR 的开发者；纯前端或非技术岗位关系不大。

OpenCinema 是一个本地优先的 AI 视频工作室，把剧本、参考素材、3D 预演、生成和剪辑整合在一张画布上，让你和 AI agent 共同完成一部短剧或短片。它和常见的文生视频工具不同，后者只回答「怎么生成一个片段」，OpenCinema 关注的是「怎么把一部片子做完」：先用 3D 预演确定走位和运镜，逐镜头审核，需要时只替换单个镜头而不必重做全片。画布上的每个节点既能手动编辑，也能通过 MCP 让 Codex、Claude Code 等 agent 读写，两条路径共享同一套命令、版本和撤销历史。生成后端可自由切换，云端模型、本地服务和已有的 ComfyUI 工作流都能接入同一个生成节点，数据和凭证全部留在本地。适合做 AI 短剧、短视频内容的创作者、剪辑师，以及想用 agent 批量编排视频生产流程的开发者；如果你不碰视频生成，这个项目和你关系不大。目前处于 0.4.0 开发阶段，尚未正式发布。

OpenField 是一个跑在自己 GPU 上的本地创作工作室，底层全部通过 ComfyUI 工作流实现，每个功能界面背后都是一张可导出的 ComfyUI 图。它把文生视频、图生视频、FLUX.2 出图、单张图转带 PBR 贴图的 3D 模型、给无声片段配音、口型说话、放大到 1440p、HDR 母版输出等能力打包成一套完整流程，还支持最多挂四个自己的 LoRA、用 @cast 固定角色和道具、手机拍动作同步到角色、事后重新打光和改机位。比较特别的是 Stage 功能，用方块和人物在浏览器里摆镜头，再由 LTX-2.5 的 Layout-to-Render 模型渲染成运镜一致的成片；Scene 则让本地 LLM 把一段剧本拆成多个镜头自动剪成一条。所有渲染都在本地完成，不上传不烧点数，并提供 31 个 MCP 工具供 Claude Code 等 Agent 调用。适合做短视频、广告分镜、独立影视的概念验证和样片制作的创作者，以及想用 Agent 驱动视频生产管线的 AI 工程师；普通办公或纯文本开发的读者关系不大。

这是用 WebGL 在浏览器里实时复刻 Apple Music 新版「液态」品牌动画的项目：Apple 原片是把标志放进矿物油盘里拍摄，油面被声音震出涟漪，产生放大、拖尾和彩虹色散；这个项目在 GPU 上重建了同样的物理效果——一个会折射的油滴透镜，配合光谱级光线追踪做出彩虹边缘。它不只是复刻，还做成了可用的工具：你可以把自己的图标和文字丢进去，调节油滴和光照参数，直接从浏览器导出 1080p 或 4K 的 MP4，等于免费拿到一个品牌动效生成器。附带的 explainer 还拆解了 Apple 原片的拍摄手法和实现思路。对做品牌视觉、动效设计或前端创意开发的人来说，这是个很好的参考实现；如果你只是好奇 Apple 那个 logo 动画怎么做的，点开在线 demo 看一眼就够了，和多数后端或算法岗位关系不大。