[其他] 本周精选5款Github开源项目：自动化、TTS、文件转换与远程工具

01 下一代浏览器自动化工具：Skyvern

Skyvern并非一个简单的爬虫库，而是一个基于浏览器的自动化代理。其核心逻辑颇具创新性：它不依赖于预定义的XPath或CSS选择器。相反，它利用计算机视觉来识别网页上的按钮、输入框和链接，然后结合大语言模型的推理能力（如GPT-4V），判断哪个元素是完成任务的关键。

工作原理

功能特性

• 视觉驱动自适应：通过视觉大模型分析网页截图，自动识别元素位置和功能，网站布局变化无需修改代码，彻底摆脱XPath依赖。
• 自然语言指令：无需编写复杂代码，用日常语言就能下达任务，AI会自动拆解步骤执行。
• 复杂工作流支持：可串联多个任务形成完整工作流，支持循环、条件判断、文件解析等功能，覆盖批量下载、多步骤表单填写等场景。
• 强大认证处理：支持双因素认证（2FA）、短信/邮箱验证，对接Bitwarden、1Password等密码管理器，自动处理登录和验证码问题。
• 支持多种 LLM 后端：可以对接多种语言模型（OpenAI、Gemini、Claude 等），灵活选择。
• 精准数据提取：可按自定义 schema 提取网页数据，支持JSON、CSV等格式输出，确保数据结构规范统一。
• 多环境与集成：提供云服务和本地部署两种方式，支持Docker快速启动，还能集成Zapier、N8N等工具，适配不同使用场景。

项目地址：https://github.com/Skyvern-AI/skyvern

02 轻量级文本转语音模型KittenTTS，无需GPU

KittenTTS是一个开源的、极具表现力的文本转语音模型系列，其核心特点在于“小身材，大能量”。整个模型仅有约1500万参数，体积被控制在惊人的25MB以内，比许多主流TTS模型小了十倍以上。

更关键的是，它经过极致优化，完全不需要GPU，仅凭CPU就能实现高质量的语音合成，从手机应用到嵌入式设备，从Web到桌面软件，几乎随处可用。

功能特性

• 模型超轻量：整个模型小于 25 MB，仅约 1500 万参数。
• 无需 GPU，纯 CPU 即可运行：几乎任何电脑、树莓派、嵌入式设备都能胜任。
• 多种预设语音：提供多种声音风格（男女声、不同语调等），适配不同场景需求。
• 快速推理、实时生成：经过优化，语音合成速度足够快，适合对话系统或实时 TTS 场景。
• 输出高质量音频：生成音频质量较好，可用于旁白、播报、读屏等应用。
• 开源 + 可本地部署：代码和模型开放，遵循 Apache-2.0 许可，无需将数据上传云端，对隐私安全友好。

项目地址：https://github.com/KittenML/KittenTTS

03 一键处理250+格式转换工具VERT，隐私友好免费

VERT是一个完全开源的多功能文件格式转换工具，其核心亮点在于利用 WebAssembly (Wasm) 技术，让你在浏览器里就能完成绝大多数文件的格式转换。

整个过程完全在本地设备上进行，文件无需上传至任何服务器，没有文件大小限制，也没有隐私泄露风险。它支持图片、音频、文档以及视频（视频转换需特定设置）在内的超过 250 种格式，界面现代化且友好。

功能特性

• 完全本地化处理：基于 WebAssembly，图片、音频、文档的转换 100% 在浏览器中完成，确保数据隐私安全。
• 无文件大小限制：告别在线工具常见的文件体积限制，再大的文件也能轻松转换。
• 超广格式支持：覆盖 PNG, JPG, WebP, MP3, WAV, FLAC, DOCX, PDF, HTML, EPUB 等 250+ 常见格式。
• 开源且可自托管：代码完全开放（AGPL-3.0 协议），可以自行部署到内网或私有服务器，实现完全掌控。
• 用户友好体验：提供直观的拖放操作界面和丰富的转换设置选项，使用简单便捷。
• 灵活的部署方式：支持直接使用官方实例、Docker 快速部署或传统 Web 服务器部署。

项目地址：https://github.com/VERT-sh/vert

04 国产全平台开源远程桌面CrossDesk

CrossDesk是一款轻量级跨平台远程桌面开源项目，基于 MiniRTC 实时音视频传输库开发，具备网络透传、软硬编解码、传输加密等核心能力。它支持 Windows、macOS、Linux、Android、iOS 全系统，还提供 Web 客户端访问，致力于实现“远程如本地”的流畅体验。

功能特性

• 超低延迟传输：采用自研量子传输协议（QTP），动态调整码率，实测延迟低至5-15ms，支持4K/60帧高清传输，操作流畅无卡顿。
• 全平台兼容：覆盖Windows、macOS、Linux、Android、iOS及Web端，设备间可互相控制，甚至支持树莓派等轻量设备。
• 硬件加速编码：支持NVIDIA Video Codec、Video Toolbox硬件加速，兼容H.264/AV1编码格式，降低CPU占用率。
• 强大网络穿透能力：无需配置路由器和防火墙，公司内网、家庭NAT、手机热点等场景均可直接连接，实现“傻瓜式”远程。
• 安全可靠传输：采用SRTP加密和国密SM4算法，支持私有化部署，企业级操作审计和权限管控，保障数据安全。
• 实用协作功能：支持多人实时协作控制、隐私屏模式、文件拖拽互传、协作白板，满足远程调试、培训等多场景需求。

项目地址：https://github.com/kunkundi/crossdesk

05 macOS轻量级录屏工具QuickRecorder

QuickRecorder是一款专为 macOS 设计的轻量级屏幕录制工具，基于苹果官方的 ScreenCapture Kit 框架开发，提供了流畅的录屏体验。该项目支持多种录制模式，包括全屏、窗口、应用程序以及移动设备录制，能够满足不同场景下的录制需求。

相比其他录屏软件，QuickRecorder 的优势在于其出色的性能优化，用户可以在不影响系统流畅度的情况下录制高清画面。同时，软件体积小巧，安装包不到 5MB，却包含了众多专业级功能。

功能特性

• 高效录制模式：支持屏幕、窗口、应用程序以及移动设备录制，灵活适应各种录制需求。
• 音频录制功能：支持免驱音频回环录制，无需额外配置即可录制系统声音，同时可录制麦克风音频。
• 鼠标高亮与屏幕放大：在演示和教程录制时，能够高亮显示鼠标位置并支持屏幕放大，让关键操作更清晰。
• Presenter Overlay：完全支持 macOS 14 的“演示者叠加”功能，可实时将摄像头画面叠加到录制内容中。
• HEVC Alpha 视频：支持录制包含透明通道的 HEVC 视频格式，适用于专业后期制作。
• 跨设备录制：可以同时录制 Mac 屏幕 + iPhone／iPad 屏幕（适合需要手机＋电脑混合内容的创作者）。
• 快捷键支持：集成 Swift 开发的快捷键库，提供流畅的快捷操作体验。

项目地址：https://github.com/lihaoyun6/QuickRecorder