音视频工具软件

BiliSum

音视频工具开源

把 B 站、YouTube 和本地视频自动转写、总结成图文笔记与思维导图的桌面工具，笔记全部落本地 SQLite，还能跨视频做 RAG 检索问答并导出到 Obsidian。

Buzz 是将音视频和麦克风语音转成文字与字幕的桌面应用，特色是可离线运行多种识别模型，并结合显卡加速、说话人识别和回放工具完成转录校对。

为 Stash 媒体管理器补齐元数据导出、文件整理与资料匹配的插件集合，特色是连接 Jellyfin/Emby 与 StashDB；文件按路径管理，也可先挂载远程存储。

把 MiniMax-H3 音视频联合生成模型接入 ComfyUI 的插件，支持文生视频+音频、首尾帧驱动和多模态参考三种任务，靠 INT8 量化与分层卸载在单张 24GB 显卡上跑完整流程。

FFmpegFreeUI

音视频工具开源

FFmpegFreeUI 是面向 Windows 进阶用户的 FFmpeg 图形外壳，将可视化设置、自由参数和批量任务结合，适合想摆脱重复命令、又不愿牺牲编码控制权的人。

基于 CTranslate2 重实现 Whisper 的 Python 语音转写库，通过量化和批处理降低推理耗时与资源占用，适合搭建转写流水线，而非开箱即用的桌面应用。

JAVM

音视频工具开源

基于 Tauri 2 + Vue 3 + Rust 的桌面端 JAV 媒体库管理器，把本地扫描入库、番号刮削、下载队列和内置播放截图串成一条流水线，数据存本地 SQLite。

MAW（Moy's ASR Workflow）是以 API 转写为主的字幕生成与编辑工具，将本地媒体转为 SRT 和 .mosp 工程，再通过 MAWE 校对、编辑与导出。它支持多家转写服务、双轨字幕联动和命令行批处理；编辑与工程保存在本机，选择云端转写时媒体会上传到对应服务商。

MPV-EASY Player

音视频工具开源

基于 MPV 内核的 Windows 播放器，把 mpv.conf 那套命令行配置换成图形化设置界面，附带调好的默认参数、脚本目录和便携化数据结构，开箱即用。

面向 Windows 的 mpv 播放器配置整合项目，提供解压即用的 mpv-lazy 懒人包、带中文注释的 mpv.conf/input.conf 原档，以及着色器与滤镜预设和一整套 mpv 中文文档。

MX Player

音视频工具免费增值

亚马逊旗下的安卓本地视频播放器，主打 HW+ 硬件解码、多核解码和字幕手势操作，几乎通吃各种冷门格式；近年内置大量 OTT 流媒体内容与广告。

MediaInfoKeeper 是面向 Emby 服务端的第三方插件，主打 STRM 直链播放，通过单个 DLL 部署，并按 Emby 版本区间限制自动更新。

MeiamSubtitles 是为 Emby 和 Jellyfin 媒体服务器提供中文字幕搜索与下载的插件，集成 Assrt 和迅雷影音字幕源，支持按影片名称或视频特征匹配。Assrt 可提取压缩包内字幕，但需配置 API Token；Thunder 默认读取视频文件计算 CID，无需额外配置。

Memo AI

音视频工具开源

面向播客与视频的桌面转写工具，粘贴 YouTube/播客链接或本地音视频即可生成文字，内置多引擎翻译、语音合成配音，并导出 SRT/VTT 字幕与 Markdown 笔记。

Pireel Studio 是面向口播、长视频拆条和产品演示的开源网页视频编辑器，特色是让对话指令与手动时间线编辑共用项目状态，并在一个项目里维护多个成片版本。

Poweramp

音视频工具买断

安卓本地音乐播放器，主打 Hi-Res 输出、64 位内部处理与最多 32 段图形/参量均衡，配合独家 DVC 直接音量控制，把耳机和 DAC 的声音调到自己想要的样子。

Shutter Encoder

音视频工具开源

由视频剪辑师开发的开源转码工具，用图形界面封装 FFmpeg，支持几乎所有音视频图像格式，并能对部分编码做无重编码剪切、字幕烧录与批量队列输出。

一款本地运行的命令行工具，用反向 alpha 混合逐帧还原被 Google Veo / Gemini 3.5 水印覆盖的画面，不裁切不涂抹，直接输出干净 MP4 并保留原音轨。

Video Report Agent 提供供 AI 编程助手使用的视频阅读报告技能，将音视频转录稿整理为自包含 HTML，支持标准阅读与精简速览。配套网站 vreport.tri4t.xyz 可在线生成和阅读报告。技能可独立使用，无需项目后端；可选流水线自动完成公开 Bilibili 视频下载、转录与报告生成。

Vivid Player

音视频工具未知

一款面向 Windows 的 HDR 视频播放器，主打按屏幕适配色调映射，兼顾蓝光原盘、NAS 与媒体服务器串流，网盘播放需经 OpenList 或 rclone 接入。

Voicebox

音视频工具开源

本地运行的开源 AI 语音工作室，集成 7 个 TTS 引擎的语音克隆、Whisper 全局听写、多轨故事编辑和本地 REST API，音频与模型全程不出本机，替代 ElevenLabs 和 WisprFlow。

OpenBMB 开源的免分词端到端 TTS 模型，VoxCPM2 为 2B 参数、支持 30 种语言，可用文字描述凭空设计音色、短样本克隆声音，并直接输出 48kHz 录音棚级音频，本地自部署。

本地运行的桌面字幕工具：用 whisper.cpp 把视频语音转成 SRT 字幕，再用内置腾讯 Hy-MT2 模型离线翻译成 15 种语言，也可接 DeepL、GPT、Gemini 等在线引擎，视频全程不上传。

compressO

音视频工具开源

compressO 是免费开源的桌面视频与图片压缩工具，支持 Windows、macOS 和 Linux。文件在本地处理，支持批量压缩、格式转换、基础编辑及音视频参数调整，可在保存前预览结果。基于 Tauri 和 FFmpeg 等工具构建，仓库采用 AGPL-3.0 许可。

面向 Windows 的 mpv 第三方整合包，自编译 mpv/FFmpeg/SDL2 核心，专攻 Dolby Vision、HDR Vivid、AV3A 沉浸声、5.1.4 至 9.1.6 具名多声道 PCM 与 HDR 图形字幕，并深度汉化 uosc 界面、内置弹幕与网盘直链播放。

开源视频翻译配音工具，一键串联语音识别、字幕翻译、AI 配音与视频合成，可自由混搭 Faster-Whisper、DeepSeek、Edge-TTS 等 30 多个本地或在线渠道，免登录无功能限制。

uosc 是 mpv 播放器的 Lua 界面脚本，用光标接近度控制 UI 显隐，提供可搜索菜单、缩略图预览、字幕下载与自定义控制栏，把裸奔的 mpv 变成完整可点的播放界面。

下蛋

音视频工具开源

下蛋是面向 Windows 与 macOS 的本地优先媒体资源库，将网页视频下载、嗅探、转码和播放串在一起，还能直接浏览 YouTube、音乐与 RSS 并保存媒体。

一款面向口语练习的桌面工具，用离线语音识别和词库标记口头禅、犹豫词与笼统表达，并可接入云端或本地AI生成改进报告。

幕映 MuCast

音视频工具免费

幕映 MuCast 是一款视频、照片投屏应用，主要用于将内容投到大屏，App Store 将其定位为手机、电视与电脑之间的多屏互动助手。商店标注免费下载、无广告，并专为 iPad 设计；它不是用于编写 API 文档的 Showdoc。