影视制作

将视频/音频转换为带颜色的 ASCII 字符视频（MP4/GIF 格式）。

音频优先的长篇解说视频流水线：输入音频或播客/YouTube 链接，生成无脸、叠加驱动的讲解视频（5-30 分钟）。

无需本地 ffmpeg 的云端视频编辑：依据需求生成时间线、提交阿里云任务并输出最终视频 URL，适用于 URL/OSS 场景。

阿里云媒体处理（MPS）一站式视频处理：转码、截帧、内容审核与上传，工作流化生成标准视频素材。

处理阿里云 OSS 中的图像、音频与视频：缩放、裁剪、水印、智能识别、转码、截帧与 HLS 串流等。

实现 PDS 网盘的文件名精确/模糊搜索、语义搜索与以图搜图功能。

将音频与视频文件转写为结构化笔记，适用于会议、播客、语音备忘录或知识库中的任何音视频内容。

将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频（MP4/GIF/序列帧），支持音频可视化、生成式动画与实时终端渲染。

将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频（MP4/GIF/序列帧），支持音频可视化、生成式动画与实时终端渲染。

通过命令行从音频文件生成频谱与特征可视化（梅尔、色度、MFCC、节奏图等），用于音频分析与音乐制作调试。

使用本地 whisper 命令行（无需密钥）将 mp3/m4a/wav 等音频文件的语音转写为文字。

使用 Whisper 模型将音频片段转写为文字，支持 small 到 large-v3 多档精度，并与说话人分段对齐生成字幕。

从视频文件中提取音频并转为 WAV，用于音频分析、能量计算或标准化格式处理。

用 Gemini API 分析图像/音频/视频（视觉优于 Claude），并生成图像、视频、语音与音乐，用于 OCR、设计与多模态 AI。

准备 ACM Multimedia 会议录用稿的相机就绪版本：去匿名化、填表、满足 sigconf 规范、发布素材并安排报告。

使用 Azure AI Speech 的快速转写 REST API 将音频转为文字，用于生成字幕或处理口语内容；配置密钥时优先使用。

处理 GPU 渲染、Metal、OpenGL 迁移、着色器、3D 内容、RealityKit、AR 与 USD 文件及显示性能优化。

处理相机、照片、音频、触觉、ShazamKit 与 Now Playing：AVCaptureSession、PhotosPicker、AVFoundation 等。

处理 GPU 渲染、Metal、OpenGL 迁移、着色器、3D 内容、RealityKit、AR 与 USD 文件及显示性能优化。

处理相机、照片、音频、触觉、ShazamKit 与 Now Playing：AVCaptureSession、PhotosPicker、AVFoundation 等。

喔图(alltuu.com)云摄影相册批量下载工具，支持下载原图、自动处理签名 URL 并并发下载。

使用阿里云 Qwen ASR 模型转写非实时语音，生成带时间戳的文稿，并记录 ASR 请求/响应字段。

使用 DashScope HappyHorse 1.0 图生视频模型，由单张首帧图像（可加文本引导）生成视频。

使用 DashScope HappyHorse 1.0 参考图生视频模型，将 1-9 张参考图融合生成视频（多主体合成）。

使用 DashScope HappyHorse 1.0 视频编辑模型，按指令进行风格迁移或局部替换等视频编辑（可选参考图）。

在 DashScope 上使用 Kling v3 模型生成视频：文生视频、图生视频、参考生视频、智能分镜与视频编辑。

使用 DashScope 视频风格转换模型将视频转为日漫、美漫、3D 卡通、水墨、剪纸或简笔插画等艺术风格。

使用阿里云 VideoRetalk 替换已有视频的口型同步，用于配音、替换旁白或让对口型视频匹配新语音。

使用 DashScope Wan 2.7 图生视频模型，由图像生成视频：首帧生成、首尾帧插值、续写或音频驱动合成。

使用 DashScope Wan 2.7 视频编辑模型进行风格迁移、指令化编辑与视频内容修改（可选参考图）。