标签: AI工具

  • Metapi 进阶指南:打造 AI 中转聚合网关的“元管理层”

    Metapi 进阶指南:打造 AI 中转聚合网关的“元管理层”

    如果你手中握有多个 New API、One API、OneHub 或 AnyRouter 的账号,你一定体会过那种“余额分散、模型混乱、手动切换”的痛苦。Metapi 并非另一个简单的 AI 中转站,它是位于所有中转站之上的元聚合层(Meta-Aggregation Layer)。它能将你所有的上游站点汇聚成一个统一的 API 入口,并提供智能路由、自动签到、成本优化等极客功能。

    Metapi

    Metapi 彻底解决了开发者在多站点管理时的心智负担。通过它,你只需要管理一个 PROXY_TOKEN,即可让下游工具(如 Cursor、Open WebUI、Claude Code)无感调用所有关联站点的最优质模型。

    简介

    Metapi 是一个基于 Fastify 与 React 18 构建的高性能 AI 聚合网关。它通过自动化手段,解决了多站点余额监控难、模型定价不透明以及上游通道不稳定的核心痛点。它不仅是一个代理转发器,更是一个带有“智能大脑”的资源调度器。

    架构

    界面预览

    核心功能

    • 统一代理网关 🌐:支持 OpenAI 与 Claude 格式的双向转换,完美适配 SSE 流式传输。
    • 智能路由引擎 🧠:基于成本 (40%)、余额 (30%)、使用率 (30%) 自动计算最优路径。
    • 自动故障转移 🔄:某个站点挂了?Metapi 会自动将其放入 10 分钟“冷却期”并无感切到备用通道。
    • 全自动模型发现 🔍:无需手动添加,自动同步上游站点的最新模型列表,实现零配置上线。
    • 多渠道告警通知 🔔:支持 Webhook、Bark、Telegram、Server酱等,余额不足及时提醒。
    • 自动化日常运维 ✅:内置 Cron 定时任务,支持多站点自动签到领额度,省心省力。

    视觉辅助

    特性分类技术细节 / 优势推荐指数
    架构设计单 Docker 镜像 + 内置 SQLite,迁移备份极易 📦⭐⭐⭐⭐⭐
    路由逻辑实测成本优先 + 加权随机概率分配,兼顾稳定与低价 ⚖️⭐⭐⭐⭐⭐
    状态追踪具备 Healthy / Degraded / Disabled 四级状态机管理 🏥⭐⭐⭐⭐
    隐私安全所有凭证本地加密存储,不经过任何第三方服务器 🔒⭐⭐⭐⭐⭐

    准备工作

    在部署 Metapi 前,请确保你已经准备好:

    1. 基础设施:一台已安装 Docker 与 Docker Compose 的 Linux 服务器(1核1G即可)。
    2. 管理信息
      • AUTH_TOKEN:管理员后台登录令牌(必设)。
      • PROXY_TOKEN:下游客户端调用的 Bearer Token(必设)。
    3. 上游账号:准备好你各个中转站的 API 地址与令牌。

    部署步骤

    Metapi 提供了多种部署方案,确保初学者到高级用户都能快速上手。

    1. Docker 命令行部署 (极速方案)

    适合希望快速验证功能的场景。

    docker run -d --name metapi -p 4000:4000 \
      -e AUTH_TOKEN=your-admin-token \
      -e PROXY_TOKEN=your-proxy-sk-token \
      -v ./data:/app/data \
      --restart unless-stopped \
      1467078763/metapi:latest
    

    2. Docker Compose 部署 (推荐方案)

    通过配置文件管理环境参数,更适合生产环境。创建 docker-compose.yml

    version: '3'
    services:
      metapi:
        image: 1467078763/metapi:latest
        container_name: metapi
        restart: unless-stopped
        ports:
          - "4000:4000"
        environment:
          - AUTH_TOKEN=your-strong-admin-token
          - PROXY_TOKEN=sk-metapi-your-key
          - TZ=Asia/Shanghai
          - CHECKIN_CRON=0 8 * * * # 每天早上8点自动签到
          - BALANCE_REFRESH_CRON=0 * * * * # 每小时刷新一次余额
        volumes:
          - ./data:/app/data
    

    启动命令:docker-compose up -d

    3. Nginx 反向代理配置 (进阶)

    为了让 SSE(流式输出)正常工作,必须在 Nginx 中关闭缓存与缓冲:

    location / {
        proxy_pass http://127.0.0.1:4000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        
        # 核心:支持流式传输
        proxy_buffering off;
        proxy_cache off;
        proxy_http_version 1.1;
        proxy_set_header Connection '';
        chunked_transfer_encoding off;
    }
    

    4. 客户端接入示例

    • Cursor: 设置 -> Models -> OpenAI API Key 填入 PROXY_TOKEN,Base URL 填入 https://your-domain.com/v1
    • Open WebUI: 设置 -> Connections -> OpenAI API URL 填入 https://your-domain.com/v1

    总结评价

    Metapi 是目前市场上少有的、专门针对“中转站聚合”这一细分需求做出极致优化的工具。

    • 优点
      • 智能路由决策:不再盲目使用某个 Key,而是基于成本动态计算,真正帮你省钱。
      • 架构极简:Node.js + SQLite 的组合让它在资源极其有限的机器上也能流畅运行。
      • 体验丝滑:自动格式转换让原本只支持 OpenAI 格式的站点也能顺畅供应 Claude 客户端。
    • 缺点
      • 配置深度:智能路由的权重因子(Cost vs Balance)虽然可以微调,但对新手可能有一定的理解门槛。
      • 单一镜像:目前仅支持单机 SQLite,对于极大流量的集群部署尚需扩展。

    适用建议:如果你手里有超过 3 个中转站账号,或者正在为 Cursor 的多模型切换感到头疼,Metapi 是你的不二之选。


    项目地址

    资源项链接地址
    GitHub 仓库https://github.com/cita-777/metapi
    在线文档https://metapi.cita777.me/
  • 告别手动拖拽!Next-AI-Draw-io 深度解析:让 AI 帮你画流程图与架构图

    告别手动拖拽!Next-AI-Draw-io 深度解析:让 AI 帮你画流程图与架构图

    在编写技术文档或规划系统架构时,画图往往是最耗时的环节。虽然 Draw.io 已经足够强大,但如果能通过一句话就生成初稿,岂不是美哉?

    Next-AI-Draw-io 正是为此而生。它是一个基于 Next.js 开发的开源项目,完美集成了 Draw.io 的强大功能,并通过大模型(LLM)实现了“言出图随”的极客体验。


    🌟 核心功能:为何它值得部署?

    Next-AI-Draw-io 不仅仅是换了个皮,它深度整合了 AI 流程:

    • 🤖 AI 驱动绘图:支持通过自然语言描述(如“帮我画一个分布式存储架构”)自动生成对应的流程图。
    • 📐 完整 Draw.io 体验:继承了所有原生的图形库、连接符和排版工具,生成的图表可二次编辑。
    • 🚀 极速响应:基于 Next.js 14 (App Router) 开发,前端渲染极其流畅。
    • 🌐 多格式兼容:支持导出为 PNG, SVG, PDF 以及可编辑的 .drawio 或 XML 文件。
    • 🔒 私有化部署:支持 Docker 环境,保护企业内部架构图不外泄。

    📊 传统 Draw.io vs. Next-AI-Draw-io

    特性官方 Draw.ioNext-AI-Draw-io
    上手门槛需熟悉图形库手动拖拽支持自然语言生成初稿
    交互速度依赖浏览器或客户端性能Next.js 优化,响应极快
    AI 辅助❌ 暂无深度集成 LLM
    部署难度较高(涉及静态资源同步)支持 Docker 一键部署

    🛠️ 准备工作:前置环境

    在部署前,请确保你已准备好:

    1. Node.js: 18.x 或更高版本(源码部署必选)。
    2. API Key: 需要 OpenAI 或其兼容接口(如 DeepSeek, OneAPI)的密钥。
    3. Docker: 推荐使用容器化部署。

    🚀 全方案部署指南

    1️⃣ 方案一:Docker 部署(推荐 🐳)

    这是最稳定且适合长期运行的方式。

    # 1. 克隆项目
    git clone https://github.com/DayuanJiang/next-ai-draw-io.git
    cd next-ai-draw-io
    
    # 2. 构建镜像
    docker build -t next-ai-draw-io .
    
    # 3. 运行容器 (记得替换你的 API KEY)
    docker run -d -p 3000:3000 \
      -e OPENAI_API_KEY="sk-xxxx" \
      -e OPENAI_BASE_URL="https://api.openai.com/v1" \
      --name ai-draw next-ai-draw-io
    

    访问 http://localhost:3000 即可开始绘图!


    2️⃣ 方案二:Vercel 一键部署(极速体验 ⚡)

    如果你有 GitHub 和 Vercel 账号,这是最快的方式:

    1. 将项目 Fork 到你的仓库。
    2. 在 Vercel 中点击 Add New Project
    3. Environment Variables 中配置以下变量:
      • OPENAI_API_KEY: 你的模型密钥。
      • OPENAI_BASE_URL: 接口基址。
    4. 点击 Deploy,一分钟后获得公网访问地址。

    3️⃣ 方案三:本地开发模式(源码部署 🐍)

    适合想要修改代码或自定义 UI 的同学:

    # 安装依赖
    npm install
    
    # 配置环境变量
    # 新建 .env 文件,填入:
    # OPENAI_API_KEY=sk-xxx
    # OPENAI_BASE_URL=https://api.openai.com/v1
    
    # 启动开发服务器
    npm run dev
    

    📝 总结评价

    ✅ 优点:

    • 极大提升生产力:尤其是画复杂的逻辑流程时,AI 生成的框架能省去 80% 的手动拖拽时间。
    • UI 现代感:相比传统的 Draw.io 界面,Next.js 的封装让整体感觉更轻量、更现代。
    • 扩展性强:支持更换不同的 LLM 引擎。

    ❌ 缺点:

    • 依赖网络:AI 生成阶段需要稳定的 API 连接。
    • 逻辑局限:对于极其精细、带有特定业务逻辑的图表,AI 可能还需要人工多次微调。

    🔗 项目官方资源

    资源类别链接地址
    GitHub 仓库DayuanJiang/next-ai-draw-io
    核心框架Next.js 14 + Draw.io Core
    开源协议MIT

    小编点评:Next-AI-Draw-io 是典型的“AI 赋能传统工具”的代表。它没有改变 Draw.io 的核心价值(绘图),但通过 AI 降低了创作的“冷启动”成本。

  • 动动手指,小说秒变剧集!Toonflow:全流程 AI 短剧工厂深度部署手册

    动动手指,小说秒变剧集!Toonflow:全流程 AI 短剧工厂深度部署手册

    在这个“短剧为王”的时代,如何低成本、高效率地将文字转化为影像?Toonflow 给了我们一个近乎完美的答案。它不是简单的绘图工具,而是一个集成了 AI 剧本、AI 角色、AI 分镜、AI 视频的“全闭环”生产线。

    今天,小编就带大家深度拆解这款神器,手把手教你搭建属于自己的 AI 影视工作室!


    🌟 核心能力:为什么它是“短剧收割机”?

    Toonflow 解决了 AI 创作中最头疼的“一致性”和“工作流断层”问题。

    • 👤 角色生成:智能识别小说文本,自动锁死角色外貌、性格,告别“换场就换脸”。
    • 📜 剧本转化:文学作品秒变结构化剧本,对白、场景、剧情走向清晰可见。
    • 🖼️ 智能分镜:自动生成分镜提示词,细化镜头、动态和布局。
    • 📹 极速合成:集成图像与视频技术,配合在线编辑,让创意瞬间落地。

    📊 部署方案选型:总有一款适合你

    Toonflow 的兼容性非常出色,无论你是普通创作者还是运维大佬,都能找到对应的方案。

    方案运行平台适合人群推荐指数
    本机安装 (.exe)Windows个人创作者、小白⭐⭐⭐⭐⭐
    Docker 部署Linux / 服务器开发者、需要 24h 挂机的用户⭐⭐⭐⭐
    云端源码部署Ubuntu / CentOS需要二次开发的极客⭐⭐⭐

    🚀 方案一:本机安装(0 门槛,3 分钟上手)

    目前官方主要支持 Windows 环境,这是最省心的方式。

    1. 下载:前往 GitHub Release 下载最新的 .exe 安装包。
    2. 安装:双击运行,按照提示完成安装。
    3. 登录:启动后进入登录界面。
      • 账号admin
      • 密码admin123
    4. 配置:准备好你的 LLM(大语言模型)视频生成(Sora/豆包) 的接口地址,在设置中心填入即可开工!

    🐳 方案二:Docker 部署(推荐,灵活高效)

    如果你想在 NAS 或云服务器上运行,Docker 是最佳选择。

    1. 在线一键部署(推荐 ⚡)

    # 从 GitHub 自动拉取源码并构建镜像
    docker-compose -f docker/docker-compose.yml up -d --build
    
    # 如果在国内,建议切换 Gitee 源以提速
    GIT=gitee docker-compose -f docker/docker-compose.yml up -d --build
    

    2. 本地源码构建

    如果你已经克隆了仓库:

    docker-compose -f docker/docker-compose.local.yml up -d --build
    

    3. 端口说明

    • 后端 API:映射在 60000 端口。
    • 前端页面:随机端口或 8080(取决于部署方式)。

    ☁️ 方案三:云端源码部署(PM2 托管)

    适用于拥有独立服务器的极客,建议 Node.js 版本在 24.x

    1. 环境准备npm install -g yarn pm2
    2. 项目构建git clone https://github.com/HBAI-Ltd/Toonflow-app.git cd Toonflow-app yarn install && yarn build
    3. PM2 启动:创建 pm2.json 并配置 PORT: 60000,执行:Bashpm2 start pm2.json

    🔧 开发与进阶

    如果你是开发者,Toonflow 提供了强大的 GUI 调试模式

    # 同时启动后端服务和 Electron 桌面窗口
    yarn dev:gui
    

    通过 yarn debug:ai 还可以开启 AI SDK 可视化调试面板,让你更直观地优化提示词生成逻辑。


    📝 总结评价

    Toonflow 将复杂的“短剧工业化”流程浓缩进了一个简洁的 App 中。它通过 Agent 机制 很好地解决了角色和风格的一致性问题。

    • 优点:全流程覆盖、支持多端部署、对国内生态支持友好(支持 Gitee 和国内 API)。
    • 建议:由于涉及视频生成,建议配置较高带宽的服务器,并确保 API 余额充裕。

    🔗 资源导航

    资源类别链接 / 凭据
    GitHub 仓库HBAI-Ltd/Toonflow-app
    B站视频教程8分钟快速上手 AI 视频
    Win软件下载夸克网盘
    默认账号admin
    默认密码admin123
    许可证AGPL-3.0

    小编点评:AI 短剧的爆发期已经到来,Toonflow 可能是目前最接地气的开源解决方案。无论你是小说作者想让作品动起来,还是短视频博主寻找素材,它都值得你部署一试!

  • 声音克隆核弹头!GPT-SoVITS 深度解析:从小白整合包到 Linux 极客部署

    声音克隆核弹头!GPT-SoVITS 深度解析:从小白整合包到 Linux 极客部署

    在 AI 语音(TTS)圈,如果说 VITS 是开创者,那么 GPT-SoVITS 就是当之无愧的“全能战神”。只需 5 秒 样本就能即时推理,1 分钟 语料就能实现微调克隆。

    本教程基于项目最新文档,为你拆解全平台部署方案,助你快速搭建属于自己的 AI 语音工作站。🚀


    🌟 项目核心亮点

    GPT-SoVITS解决了传统 TTS 训练难、样本量大的痛点。

    • ⚡ 零样本即时推理:5 秒素材,音色秒出。
    • 🔥 极少样本微调:1 分钟数据,复刻级别相似度。
    • 🌍 跨语言混合:支持中、英、日、韩、粤五种语言无缝切换。
    • 🛠️ 全流程自动化:人声提取、语音切分、ASR 标注、模型训练、Web 推理一气呵成。

    🛠️ 部署全攻略:总有一款适合你

    根据你的技术背景和硬件环境,请选择以下对应的部署方案:

    1️⃣ Windows 用户:官方整合包(零基础推荐 📦)

    对于不想配置 Python 环境的同学,官方提供了“开箱即用”的压缩包。

    • 下载地址:前往 整合包下载 或官方提供的网盘。
    • 操作步骤
      1. 下载并解压整合包。
      2. 双击运行 go-webui.bat
      3. 浏览器自动弹出 http://localhost:9874,直接开始!

    2️⃣ 极客/开发者:手动 Conda 环境配置(灵活度最高 🐍)

    适用于需要二次开发或在 Linux 生产环境部署的用户。

    🧪 环境要求

    • Python 3.9+, CUDA 11.0+, PyTorch 2.0+
    • FFmpeg 系统依赖(必须):
      • Ubuntu: sudo apt install ffmpeg
      • Mac: brew install ffmpeg
      • Windows: 下载可执行文件并加入系统变量 Path

    ⌨️ 执行指令

    # 1. 克隆代码
    git clone https://github.com/RVC-Boss/GPT-SoVITS.git
    cd GPT-SoVITS
    
    # 2. 创建环境
    conda create -n GPTSoVITS python=3.9
    conda activate GPTSoVITS
    
    # 3. 安装依赖 (以 CUDA 11.8 为例)
    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
    pip install -r requirements.txt
    

    3️⃣ Docker 用户:标准化容器部署(生产环境首选 🐳)

    如果你拥有 NVIDIA GPU 环境并安装了 nvidia-container-toolkit

    # 直接运行镜像
    docker run -itd --gpus all -p 9874:9874 \
        --name gpt-sovits \
        -v /你的路径/GPT-SoVITS:/workspace \
        registry.cn-beijing.aliyuncs.com/kg_is_no1/gpt-sovits:latest
    

    🏗️ 预训练模型准备 (必看!)

    项目启动前,必须手动将以下预训练模型放入 GPT_SoVITS/pretrained_models

    1. GPT 权重gpt_sovits_base.ckpt
    2. SoVITS 权重sovits_bert_base.pth
    3. UVRP5/ASR 相关:如需使用自动处理功能,需下载对应的 UVR5Damo ASR 模型包。

    📋 部署方案对比表

    方案适合人群优点缺点
    整合包Windows 小白解压即用,不污染环境无法灵活更新代码
    Conda 手动开发者/Linux 用户更新快,方便调试需处理环境冲突
    Docker运维/服务器部署环境隔离,一致性好需配置驱动映射
    API 模式开发者方便集成到其他应用需通过脚本启动

    🏁 总结与避坑指南

    • 显存不足?:如果显存低于 4GB,请在训练时调小 Batch Size,或者仅使用零样本推理。
    • 路径报错?:确保项目路径中不要包含中文字符,否则 FFmpeg 或 ASR 可能会报错。
    • 推理效果差?:参考音频的质量决定上限。请务必使用干净、无背景噪音的人声。

    🔗 项目官方资源

    资源链接
    GitHub 仓库RVC-Boss/GPT-SoVITS
    中文文档README_CN.md
    整合包下载整合包
    GPT-SoVITS指南快速开始

    小编点评:GPT-SoVITS 不仅仅是一个工具,它代表了开源 AI 语音的最高水准。无论你是想给视频配音,还是想留住亲人的声音,它都是目前最值得投入时间研究的项目。

  • 告别生硬机械音!深度评测 Fish Speech:SOTA 级开源 AI 语音克隆与 TTS 全攻略

    告别生硬机械音!深度评测 Fish Speech:SOTA 级开源 AI 语音克隆与 TTS 全攻略

    🌟 简介:为什么 Fish Speech 是目前的“天花板”?

    在 AI 领域,文本转语音(TTS)正经历着从“拼凑音节”到“理解情感”的巨大变革。Fish Audio 团队开源的 Fish Speech 是一款基于 LLM(大语言模型)架构的 SOTA(State-of-the-Art)语音合成系统。

    它不仅仅是一个简单的语音生成器,更像是一个“声音模仿天才”。

    • 痛点解决:解决了传统 TTS 情感缺失、语调单一的问题。
    • 核心价值:通过 Zero-shot(零样本) 技术,你只需一段 10 秒钟的参考音频,它就能完美复刻目标人物的音色、语气甚至呼吸感。

    ✨ 核心功能亮点

    • 🎧 极致克隆:仅需极短样本,实现高保真度的声音复刻。
    • 🌍 多语言精通:原生支持中文、英文、日文,且语种间切换自然。
    • ⚡ 语义理解:基于 LLM 架构,能够根据上下文自动调整重音与情感。
    • 🖥️ 交互友好:自带 Gradio WebUI 界面,点点鼠标即可完成推理。
    • 📦 开发者友好:提供完整的 API 接口与 Docker 镜像,方便集成到各类应用中。

    🛠️ 准备工作:硬件与环境要求

    在开始部署前,请确保你的服务器或 PC 满足以下“硬指标”:

    硬件/环境最低要求推荐配置
    操作系统Ubuntu 20.04+ / Windows 11Ubuntu 22.04 LTS
    显卡 (GPU)NVIDIA 8GB 显存 (如 RTX 3060)NVIDIA 24GB 显存 (如 RTX 4090)
    CUDA 版本11.8 或 12.112.1
    Python3.103.10
    Docker已安装已安装 NVIDIA Container Toolkit

    🚀 部署步骤:手把手教你搭建

    小编推荐使用 Docker 方式进行部署,这是最省心、最不容易出错的方法。

    1️⃣ 克隆项目仓库

    首先,打开终端将项目源代码拉取到本地:

    git clone https://github.com/fishaudio/fish-speech.git
    cd fish-speech
    

    2️⃣ 准备模型权重

    由于模型文件较大,建议从 Hugging Face 手动下载或使用 huggingface-cli

    # 下载预训练模型
    mkdir -p checkpoints
    huggingface-cli download fishaudio/fish-speech-1.5 --local-dir checkpoints/fish-speech-1.5
    

    3️⃣ 使用 Docker 快速启动

    利用项目提供的 docker-compose.yaml,一键启动 WebUI 界面:

    # 启动容器
    docker compose up -d
    

    💡 小贴士:如果是首次运行,Docker 会自动拉取镜像并配置环境,请耐心等待几分钟。

    4️⃣ 访问 Web 界面

    部署完成后,在浏览器输入以下地址即可进入创作界面:

    http://localhost:7860


    📝 小编实测总结

    ✅ 优点

    1. 音质极佳:生成的音频几乎听不出“电音感”,非常接近真人。
    2. 推理速度快:在 40 系显卡上,推理延迟极低,甚至支持流式输出。
    3. 高度可定制:支持对语气、语速、停顿进行微调。

    ❌ 缺点

    1. 显存门槛:虽然 8GB 能跑,但如果需要长文本推理,16GB 以上显存会更稳。
    2. 环境依赖:如果是本地 Python 安装,容易遇到 CUDA 版本冲突(强烈建议用 Docker)。

    💡 适用建议

    如果你是 短视频创作者播客主 或是想为自己的 WP 博客 添加自动朗读功能,Fish Speech 绝对是目前开源界的首选。


    🔗 项目资源汇总

    类别资源链接
    GitHub 仓库fish-speech
    官方文档Fish Audio Docs
    模型下载Hugging Face Repo