大家好！我是Wayne。今天，跟大家分享6款非常實用的AI工具，全部開源免費，並且都能在本地電腦上運行。現在，使用AI工具來解決一些在工作、學習、生活中遇到的問題，已經成為了一種趨勢。

第一個：SadTalker。只需要一張照片，再加上一段語音，就能生成口型一致的影片。它是目前音訊驅動口型AI工具中效果比較好的一個。可以到這個網址手動下載安裝。如果直接使用整合包，解壓以後按兩下一鍵啟動，然後瀏覽器裡輸入本地網址就能使用。點擊上傳一張照片，照片不需要太大，但面部一定要清晰，不能有遮擋，特別是嘴巴部分，不能張嘴和露出牙齒。再上傳一段語音，然後設置右側的幾項參數。第一個參數是設置面部動作數量，包括眨眼、視線移動、頭部動作等等。預設是0，有程式自動控制。如果手動設置，推薦1-3，不要設置太多。第二個參數是選擇人臉分析模型，256和512指的是解析度，照片小就用256。第三項參數是生成影片的處理方式。第一個“crop”是裁剪，有程式自動控制剪掉照片的多餘部分，生成的影片是上半身。如果想要生成和照片同樣大小的影片，可以選擇第三個“full”模式。這裡要注意，使用這種處理方式，需要和下面的參數配合。

使用still mode一定要勾選，剩餘幾種方式效果不是太好，不常用。第五個參數跟顯示卡記憶體有關，提高生成影片的速度，可以根據顯示卡記憶體來調整，建議不要超過顯示卡記憶體的大小。最後是人臉高清選項，勾選以後，生成影片比較慢，但更加清晰。參數設好以後，點擊生成。我這裡大概用了十幾分鐘生成完成。可以把生成好的影片稍作剪輯，來看一下效果。如果用全身照來生成影片，想要不被裁剪，可以在右側參數這裡選擇第三種模式，並選上still mode。這樣生成的影片就會和圖片同樣大小，並且不會變形。

第二個：nougat。這款AI由Meta開源，功能比較小眾，但卻十分強大，而且目前僅此一款。它能把PDF的內容提取出來，自動轉成markdown語法，特別是複雜的數學公式以及表格的提取，對於搞學術研究的朋友來說，是一個非常實用的工具。按兩下整合包裡的一鍵啟動，然後網頁裡輸入本地網址就能使用，操作也非常簡單。點擊這裡上傳一個PDF，比如這份文檔，我想把第5頁提取出來，保存為markdown格式。轉換頁碼這裡輸入5，點擊提交。可以看到，內容和數學公式都成功提取了。我們在資料夾裡面可以找到相應的markdown檔，內容都用markdown語法重新做了描述，並且符合LaTeX排版系統的要求。它也保存了一個臨時的網頁檔，在這個static目錄裡。如果是多次提取，建議把這個網頁重新命名保存，這樣就不會被下一次提取的頁面覆蓋掉。

第三個.另一款PDF工具：stirling-PDF。雖然這款工具沒有用到AI技術，但功能卻十分全面。所有對PDF檔的操作，像合併、拆分、內容轉換等等，只要你想到的編輯功能，它都有。我們可以在它的官網直接下載。運行程式，點擊這裡進入最新的發佈列表，拉到底部。Windows系統有兩個運行檔可以選擇，功能都是一樣的。第一個多了登錄功能，第二個不需要登錄，打開就是操作介面。下載好以後，建議大家新建一個目錄，然後把這個運行檔放進來，可以創建一個快捷方式來運行。第一次運行時，它會自動下載一個Java虛擬機器，因為它是Java編寫的，依賴JDK環境才能運行。下載好以後，按兩下這個安裝包，所有選項都用預設。安裝好以後，JDK安裝包可以刪掉了。運行成功後，就自動打開網頁操作介面了，預設是英文的，點擊右上角可以切換成中文。

它的功能主要分為四大類。第一類是頁面操作，主要跟PDF文檔編輯相關，包括合併、拆分、刪除、裁剪等等。然後是格式轉換，包含了轉圖片、轉Excel，不過它並沒有上一款NOUGAT的功能。第三類是加密、加浮水印等跟安全相關的功能。最後是一些雜項功能，總共加起來差不多有40多種PDF操作。像一鍵提取圖片、PDF加密，這些功能都非常實用。NOUGAT再加上這一款PDF工具，基本上可以滿足對PDF操作的所有需求，並且它們都是可以在本地運行的，不用擔心資料隱私和安全問題。

第四個：GFPGAN。在一些AI繪畫工具，比如SD ComfyUI，還有一些換臉軟件中，經常會看到這個名字。它能夠對各類人臉照片進行高清處理，特別是老照片的修復。雖然是2年前的技術了，但在這個領域，目前並沒有更好的工具能超越它。可以在這個網址下載安裝，它是能夠單獨運行的，也可以直接使用整合包，按兩下一鍵啟動，然後輸入本地網址就可以使用了。操作介面沒有複雜的設置，只需要上傳一張照片，模型就用預設的最新版1.4。下面的參數是設置照片的放大倍數，點擊提交按鈕，稍等片刻就處理完成了。對於老照片，特別是臉部區域比較模糊的，修復的效果是非常優秀的。

第五個. Faster-Whisper，它是基於open ai開源的Whisper語音模型和Facebook第二代翻譯模型開發的一款語音轉錄工具，能夠在更低配置的顯卡下實現語音的轉錄和翻譯。同樣，我也製作好了整合包，按兩下一鍵啟動就可以使用。它的功能介面主要分為四塊，分別是影片語音轉錄、線上提取（Youtobe上的影片字幕直接提取）、本地錄音以及多語言翻譯。

先來看第一個功能。點擊這裡，選擇一個影片檔，然後選擇模型。模型這裡要注意，如果沒有16G顯示卡記憶體，就選這個V2模型，不然會爆顯示卡記憶體。語言這裡建議不要使用自動檢測，改成影片裡使用的對應語言。檔案格式預設是字幕檔，可以選網頁文本和純文字。然後是下面的高級參數，前三項一般都默認。最後一個可以根據硬體設定選擇模型精度，配置低的可以選擇INT8，有8G以上顯示卡記憶體就用FLOAT16。然後點擊生成按鈕。這個影片大概半小時，提取時間大約要4分鐘左右。提取完成，生成的內容是標準的字幕格式，並且帶有時間戳記。點擊右側按鈕，定位到輸出資料夾，可以看到保存好的字幕檔。

第二個功能：線上提取Youtobe上的影片字幕。這裡輸入影片的分享網址，稍等片刻，就會載入出該影片的封面和標題。然後選擇下面的模型，同樣是用VR，再更改語言。是否翻譯為英語？如果勾選，速度會比較慢，這裡我就先不選了。然後點擊生成。因為要線上載入影片裡的語音，開始會比較慢。我這個影片總時長大概16分鐘，提取差不多要5分鐘左右。提取完成，這個就是我上期節目的字幕內容。同樣，在輸出目錄下也有對應的字幕檔。再來看一下第三個功能。點擊開啟本地麥克風，直接錄音。錄好以後點擊停止。下面的模型和語言選擇跟前面操作一樣，再把翻譯選項勾上，速度非常快，幾乎是同聲翻譯的效果。

第三個功能：字幕翻譯。首先上傳一個字幕檔，就用剛才提取的字幕。然後選擇翻譯模型。這裡提醒一下，整合包裡只有1.3B的模型，如果選擇其他模型是需要線上下載的。不同參數的模型，在下面可以看到詳細的記憶體要求。最大的3.3B需要16G記憶體，推薦就用1.3B。然後選擇字幕的語言，再選擇翻譯後的目的語言，然後點擊翻譯。這份字幕大約5000多字，差不多4分鐘就翻譯完了。翻譯後的檔保存在“Translations”目錄裡。

今天最後分享的最後一個AI工具是小紅書開源的“Instant ID”，只需要一張自拍，就能生成全套風格的寫真。與之前的“face chain”相比，它需要提供的照片更少，並且不依賴模型訓練，就能保證人物面部特徵高度相似。可以點擊這裡使用官方的演示網站免費體驗，不過人多的時候需要排隊。如果你有16G以上的NVIDIA顯卡，也可以使用整合包直接運行。在本地按兩下“一鍵啟動”，第一次運行需要線上更新一些模型。這裡的更新在中國大陸的話，會使用鏡像網站，不需要開VPN，耐心等待。下載完成後，就會自動打開網頁介面。電腦配置達不到要求的，也可以使用Colab來體驗。免費帳號就可以選擇T4顯卡，就能跑了。Colab腳本也是一鍵安裝的，點擊這裡的“執行”按鈕，等待下載、安裝完成。再點擊出來連結，就可以打開操作介面了。

首先上傳一張照片，下面可以再給一張參考照片（參考照片不是必須的），我就隨便選一張。生成圖片提示這裡不需要複雜的描述，簡單一個單詞就可以了。主要是下面的選擇風格，不同風格對應不同的寫真效果。風格選好以後，下面的參數全部預設就可以了。然後點擊“提交”，出圖大概在40秒左右生成完成。可以來看一下，一張黑白電影風格的全身照，人物面部保真還可以。雖然給他的是一張半身照，但因為添加了一張參考圖片，最後生成的圖片尺寸還是全身的，包括人物姿態，也跟參考圖片有一些相似的元素。如果不使用參考圖，生成的圖片就完全保持了原圖的尺寸和面部特徵。其他元素，比如背景和畫風，這些主要取決於所選的風格。目前預知的風格類型有20多種，還在不斷的更新中。使用不同的風格，再加上參考圖片進行組合，可能會有意想不到的寫真效果。

好了，今天分享的6個工具就到這裡了。如果無法找到這些工具下載連結請私訊我哦，感謝大家支持，下期見。