腾讯开源轻量级翻译模型Hy-MT2
腾讯开源了翻译模型Hy-MT2，采用自研1.25-bit极端量化技术，将1.8B参数压缩至440MB，可在低配Mac mini上本地运行。其推理速度比上一代快1.5倍，轻量版翻译质量超越微软和豆包的商业API，无需联网且免费。
相关文档
本地配音：开源 VoiceStudio 把订阅制按在地上
文章介绍了开源项目 VoiceStudio（作者 debpalash），一个纯 Python、AGPL-3.0 协议的本地配音工具，定位为「开源、全程本地的 ElevenLabs 平替」。它支持声音克隆、声音设计、带时间轴对齐的视频配音、语音转写、有声书和批量任务，只需几十秒参考录音即可抽音色，官方支持六百多种语言。项目半年内获得约 6.7 万 Star，桌面端基于 Electron，数据全部留在本地不上传云端，兼容 NVIDIA CUDA 和苹果 Metal，并提供 Local API 和 MCP 供 Claude Code、Codex 等 Agent 调用。文章同时提醒性能受硬件限制、授权需分别确认，以及克隆声音必须取得对方授权。
用开源实时 ASR 模型 Confucius4-R2T2 + Jev 平替英语流利说
作者介绍网易有道开源的实时流式 ASR 模型 Confucius4-R2T2 与 Jev 模型组合，可平替英语流利说的口语评测功能。R2T2 是真流式模型，以 160ms 间隔输出且具备 stable prefix 机制，保证已提交文本不被修改；Jev 则快速判断文本层面的漏读、多读和错读类型。两模型均为开源，可在 NVIDIA 显卡本地部署，适合在家朗读练习。作者也指出当前方案仅限文本层面纠错，读音纠错需接入音标识别模型，应对语序跳跃、替换词等复杂场景仍需更深入的声学模型支持。
腾讯开源微信端到端文档解析模型 WeVisDoc
腾讯开源了微信团队的端到端文档解析模型 WeVisDoc，提供 2B 和 4B 两个版本。模型可将整页文档图片直接转换为 Markdown，无需分别裁剪标题、正文、表格和公式。它能保留复杂文档结构：正文转 Markdown，公式转 LaTeX，表格转 HTML，并恢复阅读顺序。版面理解、文字识别、公式识别和表格重建均由单一视觉语言模型完成，无需额外部署版面检测器或 OCR 引擎。2B 适合资源有限场景，4B 在拍照、翻拍等退化页面表现更优，在公式和表格解析方面端到端领先。
腾讯开源 BrowserSkill：让 AI 直接借用你的真实浏览器标签页
腾讯开源了 BrowserSkill（MIT 协议，纯本地运行），解决了浏览器 Agent 的一大痛点：不再让 AI 在空白沙盒浏览器中面对登录墙和验证码，而是直接借用用户正在使用的浏览器标签页，利用已有的登录状态完成任务后自动归还。关键设计包括：标签页即借即还机制、人机验证时回弹给用户现场确认、权限总开关焊死在浏览器原生设置中防止提示词绕过，以及做成 CLI 而非 MCP 以兼容所有能执行 Shell 的智能体（如 Cursor、Claude Code 等）。文章认为，自动化工具的核心在于如何处理模型与人类工作软件之间的信任边界，在权限与效率之间留出安全断点。
微信个人情报库开源：用 Codex 打造全自动微信小助理
作者开源了基于 Codex 构建的本地只读微信个人情报库项目 wechat-intelligence-hub，可将数万条微信聊天记录转化为全自动助理。核心功能包括：总结群聊私聊、追踪待回复事项与承诺、识别商单合作线索、检索历史聊天、生成 Markdown/HTML 报告、持久化机会管道、个性化回复建议和重点联系人管理。系统仅本地只读，不替用户发送消息，不做注入或 Hook。作者还提供了让 Codex 自动配置密钥与解密的傻瓜式安装流程，并回应了关于封号风险的质疑，同时宣布启动个人社群。
本地部署：0成本的数字人口播教程
本文介绍了一套基于本地显卡的数字人口播视频生成方案，旨在替代成本较高的云端服务。文章详细讲解了从电脑配置检查、一键启动工作流，到接入 Duix.Avatar 本地数字人、调整动画画风的完整步骤，并分享了如何构建长期复用的工作流及多平台内容变现策略。
Hugging Face 全网最全使用指南
本文是一份 Hugging Face 使用指南，面向非代码用户。文章介绍了如何利用 Spaces 在线试玩 AI 能力、通过 Models 页面筛选并下载模型权重、以及如何检查许可证和硬件要求。同时强调了在试用和下载过程中应注意的数据安全与隐私风险。
开源神器Toonflow让小说秒变AI短剧
开源神器Toonflow可将小说或剧本快速转换为AI短剧，2小时内完成出片。工具支持自动编剧、分镜、角色设计和视频生成，采用三层Agent协作与本地记忆，跨平台本地部署，低成本高效。
耗时 7 天，我们开源了腾讯 WorkBuddy 实战蓝皮书
作者苍何联合团队经过 7 天努力，正式开源了腾讯 WorkBuddy 实战蓝皮书。该书包含使用手册、实战案例、进阶系统及岗位路线图，旨在填补 WorkBuddy 详细教程的空白，帮助用户通过 AI 提升办公效率。
终于！！AI Agent 也能开口说话了：这个开源工具把语音克隆、听写、MCP 全打通
文章介绍了一款名为 Voicebox 的开源 AI 语音工作室工具。它不仅支持语音克隆、生成和全局听写，更关键的是通过内置 MCP Server，让 Claude Code、Cursor 等 AI Agent 能够调用本地语音层，实现“能听、能说”的交互闭环，弥补了 Agent 只能文字交互的短板。
用 SKILL 一句话搞定书签整理，还能导出漂亮的导航站
本文介绍了一款名为 rico-bookmark-manager 的工具，旨在解决浏览器书签过多、难以整理的痛点。用户只需导出书签 HTML，通过 SKILL 简单指令，即可实现自动分类、死链检测及去重。此外，该工具还能利用内置的设计系统主题，一键生成个性化的本地静态导航站，确保数据的本地掌控与安全。
免费开源TTS模型Confucius 4-TTS：本地声音克隆实战与WeSight集成
文章介绍了如何利用网易有道开源的免费TTS模型Confucius 4-TTS实现本地声音克隆。作者展示了将该模型集成到WeSight桌宠中，实时使用复刻音色进行任务播报的过程。该模型仅1.3B大小，支持14种语言的无参考文本克隆，并提供了详细的本地部署代码及在Mac和远程服务器上的运行方案。