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。

dsh-see-now 是给 DSH 用的实时视觉插件，让 AI 直接「看见」你的屏幕，而不是听你口头描述。它解决的是一个很实际的矛盾：定时截全屏喂给模型，截得密会把 token 烧穿，截得疏又会漏掉关键变化。它的做法是先给每帧算一个 0–255 的变化分，只有画面突然切换或持续运动攒够量才留下，再把留下的几帧拼进同一张图，一张图的固定成本摊到多帧上——同样 30 秒的操作，别人烧 30 张图，它常常只要 2 到 3 张，静止屏幕则几乎不出图。除了画面，它还能抓系统回环音频并转写成带时间码的台词，让模型把某句话对应到某一格画面。适合需要让 AI 陪看屏幕的场景，比如做桌面 Agent、屏幕共享助手、视频内容分析的开发者；如果你的工作不涉及给模型喂视觉上下文，这个项目和你关系不大。

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。

Furge 是一个免费的本地兽装（fursuit）纸样生成器，主打「别再为纸样付钱了」。它想解决的是自制兽装的第一道坎：不知道该按什么形状下剪刀，而市面上的纸样要么不合身要么收费。你描述自己的 fursona，它会把头部、手爪、脚爪、尾巴和连体衣拆成一张张可打印的图纸，带实线裁剪线、虚线缝合线和毛流方向箭头，还能按你的身材尺寸出裁剪清单和用料估算，导出 A4/Letter 拼页 PDF 以及 SVG、DXF 给切割机用。它的思路是 AI 负责理解描述选形状，几何引擎（基于 FreeSewing）负责把曲面摊平成真正能对缝的裁片，避免「AI 画一张图但你没法缝」的问题。不过要注意，README 明确写着 AI 部分和应用本体还没做出来，目前只有头部裁片的几何原型，没经过完整兽装实测。对做 fursona 手作、兽装 maker 或本地跑 AI 出图（头像、贴纸、ref sheet）的人值得看一眼；纯 AI 从业者关系不大。

这是一个用学习方法做物理世界模拟的研究项目，可以理解为「用神经网络替代传统物理引擎」的尝试。它先用 VAE 把物体的三维状态压缩成隐变量，再训练一个动力学模型，根据历史状态和动作预测下一步会发生什么，从而模拟布料、箱子、绳子、插头等物体的形变与交互。相比 MuJoCo 这类基于方程求解的仿真器，它靠数据驱动，能处理柔性物体这类传统引擎难以精确建模的场景，还支持触觉传感信息。项目来自 Columbia、UC Berkeley、NVIDIA 等机构的联合团队，目前主要提供训练流程，数据和推理代码尚未上传。值得看的是机器人学习、具身智能方向的研究者和工程师，尤其是做操作仿真、sim-to-real 的人；如果你不涉及机器人或物理仿真，这个项目和你关系不大。

Ultra-Water 是一个基于 three.js（WebGL2）的实时海洋渲染器，可以理解为网页版的海面模拟引擎：用 FFT 算法生成波浪，同时渲染岸浪、泡沫、焦散、水下视角和浮力效果，在 RTX 3060 上能跑到 170–300 fps，还附带一个演示用的岛屿场景。它解决的是「想在浏览器里做逼真海面但性能不够」的麻烦——比如做 WebGL 游戏、产品可视化或交互式 demo 的开发者，需要既有岸浪泡沫又有水下折射的海面，又不想自己从零写着色器。项目还针对手机做了轻量配置和自动降分辨率策略，保证移动端稳定 60 fps。值得看的是前端图形工程师、WebGL/three.js 方向的开发者，以及在做 3D 网页场景、游戏原型的人；如果你不碰实时渲染或图形学，这个项目和你关系不大。

这是 NVIDIA Omniverse 开源的一套 C++/Python 库，用来在 OpenUSD 里创建、编辑和读写 BRep 实体模型——也就是 CAD 那种用 NURBS 或解析曲面（平面、圆柱、球、圆环等）精确描述的边界表示几何，可以理解为给 USD 补上了真正的实体建模能力。它自带内核 SMLib，支持布尔运算、倒角、扫掠、偏移等操作，还能修复几何缺陷、校验拓扑一致性、把 BRep 网格化成三角面用于渲染，并提供与 OpenCASCADE 之间的格式转换。对做数字孪生、工业仿真、机器人场景的团队来说，麻烦通常在于 CAD 模型进不了 USD 流水线或进去后拓扑损坏，这套工具正是冲着这个痛点来的。如果你的工作涉及把机械 CAD 数据导入 Omniverse/USD 场景做可视化或仿真，值得翻一下；纯算法、后端或应用层开发则关系不大。

Indra OCR 是一个只有 100 万参数的轻量 OCR 模型，把 PDF 和图片转成 markdown、纯文本或带坐标框的 JSON，可以理解为 Tesseract 的现代替代品，但完全跑在 CPU 上，不需要 GPU 和 PyTorch。它支持 80 多种语言（含中日韩、阿拉伯文等），能识别手写、歪斜 45 度以内的扫描件，并输出每行每块的版面标签和阅读顺序，比如标题、列表、表格、脚注；遇到带文字层的数字 PDF，它只对缺失部分做 OCR。速度是它的主打卖点：32 核机器上约每秒 44 页，比 Tesseract 快 15 倍，4 核约 210 毫秒一页，精度在 OmniParseBench 上也超过 PaddleOCR 的完整流水线。适合需要批量处理文档的后端和数据工程岗位，比如把合同、发票、论文扫描件灌进 RAG 或数据管线的人；如果你只是偶尔转一两个文件，或者做的是手写、数学公式、复杂表格这类高难度场景，它未必是最优解，README 也明确建议那种情况用他们更大的 Chandra 模型。

WeVisOne-VL 是腾讯微信视觉团队推出的视觉语言模型，可以理解为把检测、分割、抠图等多个视觉任务塞进同一个模型的「全家桶」。你用自然语言提问，它既能给出目标的点、框等对象级定位，也能直接输出像素级的 mask 和带透明通道的 alpha matte，覆盖目标检测、指代定位、计数、指指点点、OCR、指代分割和精细抠图等任务，还内置一个仅 9.6M 参数的轻量像素解码器，不再依赖 SAM。它还有一个实用特性：当图里根本没有你问的目标时，会老实返回空结果而不是胡乱编一个框。在 LVIS 检测、RefCOCOg 指代、ReasonSeg 分割、P3M 抠图等多个基准上，它的 4B 版本都超过了 Qwen3-VL 等开源基线。做多模态感知、图像标注工具链、内容审核或视觉 Agent 的算法和工程人员值得看看，尤其是需要在一个模型里同时搞定定位和精细分割的场景；只做纯文本或后端开发的人关系不大。

InWorld 是一个开源的交互式音视频世界模型，可以理解为「能被你操作的短片生成器」：你输入一段动作或剧情，它把文字和参考图片变成带同步音效、甚至带台词对白的视频，而且后续片段能接续上一段的最后十几帧，人物、场景、道具都保持一致。它由两部分协作——Murea-Mind 负责记住角色、地点和剧情进度，把你的动作编排成生成条件；Murea 负责实际出片，支持多张参考图绑定实体外观，还提供多人协作房间，2到4人各带一个角色共同推进同一段故事。适合关注 AI 视频生成、世界模型或交互式叙事方向的研究者和工程师，尤其是想评估开源视频模型能否在长程一致性和音画同步上追平商业系统的从业者；如果你的工作与生成式视频、Agent 记忆机制或多模态应用无关，这个项目和你关系不大。

这是一套给创意人用的「术语词库」，收录了 192 个你向 AI 提需求时该用的专业名词，每个名字都配了动态示例、一句话含义和现成的提问句式。目前分八组：动态图形动作、镜头运动与转场、UI 组件名、落地页与网页特效、照片风格与光影，各两批。它解决的痛点很具体——很多人卡住不是没想象力，而是不知道那种运动叫什么，比如想让 AI 做一段推镜或某种转场，说不清词就只能反复描述。词库提供中英日西多语言版本，还附带一套提示词，让你照着给自己的领域、自己的语言做一份同类词库。适合做短视频、动效、网页视觉的设计师和前端，以及经常用 AI 生成视觉内容的创作者；纯后端或算法岗基本用不上。

Shisei 是一套免费（CC0 授权）的人体姿势参考图库，专门喂给 AI 绘图工具用。它画的是无脸人体模型的线稿，共 280 个姿势、每个姿势 5 个机位（正面、四分之三、侧面、俯视、仰视），另有部分姿势附带黏土渲染、深度图和法线图，可直接用于 ControlNet。姿势名称提供日、中、英、韩四种语言。实际用途是：当你用 Nano Banana、ChatGPT、Midjourney 或 ComfyUI 生成人物图时，把某个角度的线稿作为姿势或构图参考上传，就能让模型照着这个姿势画；同一姿势换不同机位，还能在多张图之间保持人物体态一致，脸、衣服、背景则由你的提示词决定。对 AI 绘图从业者、做角色插画或 AI 短片分镜的人来说，这省去了自己找参考或手画骨架的麻烦；如果你的工作不涉及人物生成，那和你关系不大。

Freefield 是一个开源项目，把 Higgsfield 那套创意应用（图片、视频、VFX、音频）搬到 ComfyUI 上，全部基于开放权重模型，不依赖任何闭源 API。它包含 120 个应用，比如换脸、视频重绘、混媒风格、配音、AI 虚拟人等，每个应用就是一个文件夹加一份描述文件，界面表单、模型下载、显存占用都自动从描述生成，你也可以把自己的 ComfyUI 工作流一键导入成新应用。每个示例都附带实验室真实 GPU 跑出的耗时和峰值显存，方便你判断在自己显卡上跑不跑得动。适合想用本地或云端 GPU 做 AI 图像视频创作、又不想被 Higgsfield 等 SaaS 按次收费绑定的创作者和开发者；如果你只是做纯文本或后端开发，跟它的关系不大。

anyscene 让 AI agent 从一段文字描述或几张参考图出发，自动搭出照片级的 Blender 3D 场景：先由 Claude 按 SKILL.md 规划房间结构和道具清单，再为每件道具生成参考图，用 fal 上的 Tripo 和 Meshy 两个 image-to-3D 模型各转一次，通过同光照渲染对比挑出更好的那个，最后脚本化完成摆放、碰撞检查、污渍雾气、实用光源布光、电影感运镜和调色渲染。整个过程每步都有可视化检查关卡，.blend 文件只是可重新生成的构建产物。示例场景包括东京深夜电子维修店、拉面店、香港大排档和 1970 年代任务控制中心，单个场景包含七八十件自动生成的道具；也支持不装 Blender，直接把参考图发到托管端点拿回完整场景包。适合做 3D 场景、影视预演、游戏关卡概念验证的美术和技术美术，以及想用 agent 批量生产虚拟布景的团队；纯后端或算法岗关系不大。

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。

这是一个完全从零手写、不依赖任何引擎的实时 WebGPU 海洋渲染器，单个 HTML 文件就能在 Chrome 里打开，画面是一片日落海景。它用 Tessendorf FFT 模拟六级联的波浪，从公里级涌浪到毫米级毛细波都能覆盖，配合白浪花、太阳在水面的闪烁、基于物理的大气与两层云，还有自由飞行相机和可调的风速、涌浪、浑浊度等参数面板。技术上比较硬核：CDLOD 四叉树网格、LEAN mapping 抗锯齿、Hillaire 大气模型、HDR 加 MSAA 后处理，在 RTX 5070 Ti 上 2K 分辨率能跑到 6 到 8 毫秒一帧。值得看的是图形学和 WebGPU 方向的工程师，尤其是想研究实时水体、大气散射或浏览器端高性能渲染实现的人；纯业务开发或 AI 岗位关系不大。

这是一套用 AI 替换视频中人物或物体的开源工作流，由 TEIN 提供。它把深度图、SAM 分割掩码、人脸网格和音频处理串在一起，最终调用 Seedance 模型完成替换，自带本地网页界面用于准备素材、检查掩码、预览生成结果并导出成片。实际用法是：先从原片提取音频并用 Demucs 分离人声，把人声升调后嵌回合成视频，再用彩色深度图配合 SAM 3 掩码抠出主体，交给 Seedance 生成草稿，人工审核通过后才出 1080p 成片，最后把完整原声轨还原回去，保证口型和背景音不被破坏。它适合短视频创作者、影视后期和广告制作团队，尤其是需要换角色、换商品或做创意二创但预算有限的人；对纯算法或后端岗位来说关系不大。注意它依赖 Enhancor 的 Seedance API，需要自备密钥。

MaterialCraft 是一个用纯 Rust 从零写的节点式程序化材质设计器，可以理解为开源版的 Substance Designer：在节点图里用噪声、图案和滤镜拼出可无缝平铺的 PBR 材质，2D 视图和 3D 模型上实时预览，导出 base color、normal、roughness、height 等贴图给任意游戏引擎。它内置 227 个节点，砖墙这类材质预览尺寸下约 40ms 就能重算完，编辑时只重算下游节点，界面不卡。对游戏美术和材质纹理师来说，它替代了收费的 Substance 工作流；更特别的是每个菜单操作都能通过 CLI、JSON 控制通道或 MCP server 驱动，意味着你可以让 Claude 这类 Agent 像人一样搭材质图，适合想把材质生产接入 AI 工作流的团队。如果你不碰 3D 贴图，这个项目和你关系不大。

这是一个基于姿势线稿和服装库给固定角色出图的姿势工作室，可以单独在浏览器里用，也能作为插件装进 DeepSeek Harness。它内置了 288 组共 1439 张姿势线稿、1407 套服装和 1499 张脸部参考，你选好姿势、换上某套衣服、再挑一张脸，就能让默认模特「大肥鱼」（社区鲸鱼娘）按这套组合生成图片，也可以导入自己的模特照片替换脸和衣服。生图走 Gemini、OpenAI 兼容接口或火山方舟 Seedream，没有密钥时它会把写好的提示词输出出来，方便你复制到别的生图工具里。装进 Harness 后，Agent 能直接调用搜索姿势、服装、脸部和生图的工具，让对话里的 agent 帮你完成换装出图。适合做 AI 角色立绘、同人创作、姿势参考的画师和创作者，以及想给 DeepSeek Harness 增加图像生成能力的开发者；如果你不碰角色出图，和你关系不大。

Charakuru 是一个把一张全身角色插画变成 VRM 虚拟形象的本地工具包，底层依赖 Tripo 的 Smart Mesh 做 3D 建模。它把原本需要自己摸索的 Tripo 与 Blender 工作流——建模、绑定骨骼、贴图等——打包成一个本地应用加 AI agent Skills，让你把繁琐操作交给 Codex 或 Claude Code 这类编码 agent 去执行，自己只在关键节点做判断：导入插画、审阅生成的四视图、在多个候选模型里挑一个、调整身体比例、用走路动画检查肩膝弯曲是否自然，最后导出 VRM 文件。整个流程被切成若干检查点，agent 不会擅自替你做视觉决策，也不会自动往下推进，避免了「全放手给 AI 结果不可控」和「全程手搓太费劲」两个极端。适合想做虚拟主播形象、VTuber 皮套或游戏/社交用 3D 角色，但既不懂 Blender 又不想纯靠 AI 碰运气的创作者；纯技术岗或不碰 3D 内容的人关系不大。项目仍在开发中，文档由 AI 撰写，建议配合编码 agent 阅读。

这是一个给像素画角色自动生成法线贴图的工具，简单说就是让 2D 精灵图也能吃到动态光照，做出 2.5D 的立体效果。它能从精灵的轮廓和明暗关系推算出表面起伏，保持原始像素分辨率和透明度，支持单张图、精灵表和 GIF、APNG 动画，一次输出法线图集、彩色图集和帧元数据，方便直接接进游戏引擎。比如你做了一个走路动画，想让火把的光扫过角色时衣服和头发有明暗变化，用它批量生成对应帧的法线图就行，不用手绘。它以 Rust 编写，提供命令行和 WebAssembly 两种形态，也能通过在线版本和 API 使用，适合游戏美术、独立开发者以及搭建像素画资产流水线的人；如果你不做游戏或不涉及 2D 光照，跟你的关系不大。

这是一个把文字内容变成手绘讲解视频的制作工具：给它一个主题、一篇文章或完整故事，Agent 负责理解内容、写口播、设计分镜和生成插画，本地工具则负责逐笔描线、按笔顺书写汉字、上色、配音对齐与导出成片。它类似把「白板动画」类视频的整条流水线自动化了，画风、时长和讲解形式（清单、流程图、公式等）都跟着内容走。典型场景是知识博主或教学团队做概念讲解、故事寓言、产品原理视频——比如把一篇讲墨菲定律的文章改成两分钟有声手绘片，口播按语义段生成并过音质检查，画面按旁白时间戳逐笔出现，改字幕也不用重新生图。适合内容创作者、知识区 UP 主、做内部培训或产品科普的市场与教育岗位；如果你不做视频内容，跟多数从业者关系不大。它需要能执行本地命令的 Agent（Codex 或 Claude Code）和图像生成能力才能跑起来。

这是一个把 TikTok 直播间变成互动佛教寺庙的直播场景项目：观众通过点赞、评论、送礼、关注等行为，在 9:16 竖屏画面里触发上香跪拜、放河灯许愿、求签解卦、敲木鱼撞钟等仪式，并由 ZeroTTS 用越南语朗读观众的祈愿和签文。它面向的是想做「互动仪式感直播」的主播，比如在 TikTok Live 上靠观众送礼和评论互动变现的内容创作者，评论里的关键词会直接驱动画面动画和 AI 语音，送礼金额越大触发的仪式越隆重，还能实时排行功德榜。技术上它跑在 Bun.js 上、配合 Python 常驻进程跑 ZeroTTS 模型，画面用 Canvas 粒子和预渲染序列帧保证流畅。对多数互联网和 AI 从业者来说这更像一个猎奇的直播玩法参考，除非你在做直播互动、TTS 应用或 OBS 场景开发，否则关系不大。

这是一个 Claude Code skill，把一个知识点变成一条带旁白、每句话都有出处的知识短片，全流程在对话里完成：选题、查证、写稿、配音、代码逐帧渲染成 1080p60 视频，最后打包成可发布成品。画面不是剪辑素材，而是由 Claude Opus 编排、用代码（含 threejs）逐帧画出来的，另提供 44 套视觉风格，覆盖古风、水墨、像素、霓虹赛博、发布会极简等 8 个家族，增强档镜头会用 Renoise 生成配图并标注「AI 示意」。样片包括「商鞅立木」「一张纸折多少次能到月球」「什么是洗钱」这类科普选题，同一份脚本可切换基础档与增强档对比。适合做科普短视频、知识类自媒体内容的创作者，以及想探索「代码生成视频」工作流的 AI 应用开发者；如果你不做内容生产，和多数从业者关系不大。

这是 flybrainlabs 项目的计算引擎，用 JavaScript 和 WebAssembly 实现了果蝇大脑模型的确定性整数 LIF 神经元仿真，可以在原生环境和浏览器里跑，浏览器端用 Web Workers 并行计算，结果和模型能持久化存储，还带三阶段的「挖矿」工作流、任务取消恢复和实时计算状态观测，页面渲染直接反映真实执行进度。它主要服务于 flybrain.work 上的神经科学研究，把仿真计算搬到浏览器里让研究者交互式地观察模型运行。另外仓库里还包含一个有限的 Solana Devnet 钱包挖矿扩展，属于该项目的附属实验。如果你是做计算神经科学、生物仿真或者对浏览器端高性能计算（WASM + Worker 并行）感兴趣的人，可以看看它的架构；做 AI 应用或后端开发的读者基本用不上，和多数从业者关系不大。