YOHO AI

标签： 开源替代品

  • OpenCut —— 开源版剪映，免费且隐私优先的跨平台视频编辑器

    OpenCut —— 开源版剪映，免费且隐私优先的跨平台视频编辑器

    OpenCut 开源视频编辑器

    项目简介

    OpenCut 是一个免费、开源的跨平台视频编辑器（Web / 桌面 / 移动端），被社区称为「开源版 CapCut（剪映）」。它采用 Rust 核心 + TypeScript 构建，主打隐私优先、永久免费、简单易用三大特性，目标是把剪映里越来越多被塞进付费墙的基础剪辑功能，重新免费、开放地还给创作者。

    安装要求和过程

    环境要求

    • 普通用户：无需安装，直接用浏览器打开官网 opencut.app 即可在线剪辑。
    • 本地开发 / 自托管：需要 Bun 运行时，以及 Docker + Docker Compose（用于本地数据库与 Redis）。
    • 核心贡献者（可选）：需要 Rust 工具链与 wasm-pack，用于本地构建 GPU 合成器 / 特效 / 遮罩的 WASM 核心。

    快速开始（在线使用，零安装）

    # 直接打开官网，浏览器内即可剪辑导出
https://opencut.app

    本地开发（贡献者）

    # 1. 安装工具链管理器 proto
bash <(curl -fsSL https://moonrepo.dev/install/proto.sh)
# 2. 进入仓库，安装锁定版本工具
proto use
# 3. 启动各端开发服务器
moon run web:dev       # Web 端  → http://localhost:5173
moon run api:dev       # API 端  → http://localhost:8787
moon run desktop:dev   # 桌面端（见 apps/desktop/README.md）

    私有化自托管（Docker 全家桶）

    # 一条命令跑起完整生产环境（含应用构建）
docker compose up -d
# 访问 http://localhost:3100

    ⚠️ 状态说明：主仓库 OpenCut-app/OpenCut 正在用 Rust 核心「从零重写」，官网现网 opencut.app 当前跑的是稳定可用的经典版（opencut-app/opencut-classic）。日常剪辑直接上官网即可；想私有化部署可参考经典版 README 的 Bun + Docker 流程。

    核心功能

    OpenCut 编辑器界面

    1. 隐私优先，视频不上云：所有素材与工程默认保存在本地设备，不强制上传云端，从源头规避隐私泄露焦虑。
    2. 免费开放，剪映付费功能免费用：时间线剪辑、字幕、转场、特效等基础能力全部免费，没有弹窗付费墙。
    3. 跨平台一致体验：一套 Rust 核心代码同时驱动 Web、桌面（GPUI）与移动端，渲染 / 特效 / 遮罩由 GPU 合成器处理，性能更优。
    4. 面向 AI 时代：内置 MCP Server 供 AI 智能体直接调用，支持 无头（Headless）模式做批量渲染与自动化，并集成 fal.ai 的生成式图像 / 视频 / 音频模型。
    5. 插件优先 + 脚本面板：重写版提供 Editor API、一等公民的第三方插件，以及编辑器内脚本标签，可玩性与扩展性强。

    典型使用场景

    • 短视频创作者：被剪映付费墙劝退的 Vlog / 抖音 / YouTube 创作者，可直接在浏览器里完成剪辑与导出，零成本起步。
    • 隐私敏感团队 / 个人：医疗、法务、企业内部视频等素材不出本地设备的场景，OpenCut 的本地优先架构天然契合。
    • 开发者与 AI 工作流：通过 MCP Server 让编程助手自动生成 / 批量渲染视频，或用脚本标签把重复剪辑流程自动化。

    推荐理由

    作为一个常年和视频打交道的人，剪映把「关键帧」「智能抠图」等越来越多基础功能塞进付费墙的操作，确实越来越劝退。OpenCut 把「免费 + 开源 + 隐私」三件事做得很扎实，GitHub 上 7 万+ Star 也证明这不是噱头，而是真实需求。它当前处于 Rust 核心重写期，主仓库在快速演进，而现网经典版已经能稳定剪辑。如果你想把剪辑工具私有化部署到自家服务器、或者希望素材 100% 留在本地，docker compose up -d 一条命令就能拥有属于自己的剪辑平台。对于期待 AI 自动剪辑的玩家，它的 MCP Server + 无头渲染路线也相当值得持续关注。

    OpenCut 产品路线图

    下载地址

  • Tabby：32K Stars！开源自托管AI编程助手，让代码补全完全私有化

    Tabby：32K Stars！开源自托管AI编程助手，让代码补全完全私有化

    Tabby – 开源自托管AI编程助手

    🚀 项目简介

    Tabby 是一款完全开源、可自托管的AI编程助手，是 GitHub Copilot 的完美替代品。支持团队在本地或私有服务器上运行属于自己的代码补全引擎，100% 保障代码隐私安全。

    32K+
    GitHub Stars
    100%
    开源免费
    多IDE
    全面支持

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.8+ 或 Docker 环境
    • CPU版：4GB RAM（StarCoder-1B）
    • GPU版：16GB RAM + NVIDIA GPU（推荐）
    • 支持 Windows / macOS / Linux

    快速安装（Docker方式 – 官方推荐）

    # CPU版本
mkdir -p ~/tabby/data
docker run -it \
  --gpus all \
  -p 8080:8080 \
  -v $HOME/tabby/data:/data \
  -e TABBY_MODEL_REGISTRY=/data \
  tabbyml/tabby \
  serve --model StarCoder-1B --device cpu

# GPU加速版本（需NVIDIA Container Toolkit）
docker run -it \
  --gpus all \
  -p 8080:8080 \
  -v $HOME/tabby/data:/data \
  tabbyml/tabby \
  serve --model StarCoder-1B --device cuda

    本地直接安装

    # 通过Cargo安装（需Rust环境）
cargo install tabby

# 或直接下载预编译二进制
# 从 GitHub Releases 下载对应平台版本
tabby serve --model StarCoder-1B --device cpu

    IDE插件安装

    • VS Code：扩展市场搜索 “Tabby” 安装
    • JetBrains：IntelliJ IDEA / PyCharm / WebStorm 等在 Settings → Plugins 搜索 “Tabby”

    ✨ 核心功能

    🔐 完全自托管，代码100%隐私
    所有代码补全请求在本地或私有服务器完成，代码绝不离开你的基础设施，彻底解决代码泄露风险。
    🤖 多模型兼容
    支持 StarCoder、CodeLlama、DeepSeek Coder、CodeGen 等主流开源代码大模型，可按需选择和切换。
    ⚡ 全链路性能优化
    IDE插件端通过自适应缓存策略实现精准流式输出，补全响应速度小于1秒；模型服务侧解析代码为Tree Sitter标签，生成更有效提示词。
    🛠️ 支持离线使用与自定义训练
    模型下载完成后无需网络连接即可运行；支持基于自有代码库对模型进行微调，适配团队专属代码风格。
    🌍 多语言支持
    覆盖 Python、JavaScript/TypeScript、Java、Go、Rust、C++、Ruby、PHP 等主流开发语言。

    🎯 典型使用场景

    场景一：企业私有化部署AI编程助手

    对代码安全性要求高的企业/团队，可通过Tabby在私有服务器或Kubernetes集群上部署AI代码补全服务，让团队成员享受AI编程效率提升的同时，确保核心代码资产不泄露到第三方云服务。

    场景二：个人开发者本地AI编程

    个人开发者可在本地机器上运行Tabby，使用StarCoder-3B等中等规模模型，在CPU上流畅运行，享受免费、私密、低延迟的代码补全体验，完全替代付费的GitHub Copilot订阅。

    场景三：基于自有代码库训练专属模型

    团队可将自有代码库用于微调Tabby背后的代码大模型，使AI补全建议更贴合团队编码风格和业务逻辑，有效提升代码生成的相关性和准确性。

    💡 推荐理由

    作为一款开源AI编程助手，Tabby最打动我的是它对「代码隐私」的极致重视。在AI编程助手遍地开花的今天，大多数方案都要求你把代码发送到第三方云服务，而Tabby让一切都在你的掌控之中。

    它的部署灵活性也令人印象深刻——从轻量的CPU模式到高性能的GPU加速，从单机部署到Kubernetes集群，从个人使用到企业级权限管理，Tabby都能很好适配。加上它对多种开源代码模型的良好支持，你可以根据硬件条件和补全质量需求灵活选择。

    如果你在意代码安全、希望摆脱SaaS订阅费用、或者想深入了解AI编程助手的工作原理，Tabby绝对值得一试。这也是它能在GitHub上获得32K+ Stars、成为Copilot最佳开源替代品的原因。

    📊 支持模型与配置参考

    模型名称 参数规模 推荐配置 补全质量
    StarCoder-1B 1B 4GB RAM，CPU运行 基础
    StarCoder-3B 3B 8GB RAM，CPU运行 良好
    CodeLlama-7B 7B 16GB RAM，GPU运行 优秀
    DeepSeek-Coder-6.7B 6.7B 16GB RAM，GPU运行 优秀
    StarCoder-15B 15B 32GB RAM，GPU运行 最佳

    官方推荐大多数普通开发者选择 StarCoder-3B，在CPU上也可流畅运行，补全质量均衡。

    📥 下载地址

    🔥 对AI开源项目感兴趣？欢迎关注本栏目，每周带你发现最值得关注的GitHub热门AI项目！