超分/插帧
REAL Video Enhancer
带图形界面的视频超分和插帧工具，提供 NCNN、TensorRT 等后端。
★ 2,327README：≥4GBAGPL-3.0
最近更新
4GB 显存能跑什么
这里只统计 README 明确写出显存数字的工具。README 没说明显存的不计入，也不代表能跑或不能跑。
下列工具的 README 明确写出的显存下限 ≤4GB。实际用量可能随模型、分辨率和设置变化。
README 已明确显存下限
语音/歌声
so-vits-svc-fork
so-vits-svc 的分支版本，用于歌声转换(SVC)，支持训练和推理。
★ 9,333README：≥4GBMIT(LICENSE文件)
最近更新
语音/歌声
ChatTTS
面向对话场景的语音合成(TTS)模型，pip 就能安装。
★ 39,907README：≥4GBAGPL-3.0
最近更新
图像生成与训练
ComfyUI
节点式图像/视频生成工具，可以自由组合工作流，约每周发布一次。
★ 137,739README：≥4GBGPL-3.0
最近更新
图像生成与训练
Fooocus
基于 SDXL 的免调参图像生成工具，含动漫预设。
★ 53,487README：≥4GBGPL-3.0
最近更新
长期未更新（>12 个月无 commit）字幕/语音识别
faster-whisper
faster-whisper：Whisper 语音识别的加速实现，可以用来转写字幕。
★ 25,883README 基准值约 3GB（非最低要求）MIT
最近更新
README 未说明显存
以下仅供参考，未说明不代表能或不能运行，也不计入以上可运行筛选结果。
漫画翻译
manga-image-translator
开源漫画/图片文字翻译工具，可以用命令行或 Web 服务器模式运行，支持 CPU 和 GPU 两种方式。
★ 10,504显存：未说明GPL-3.0
最近更新
漫画翻译
BallonsTranslator(星罗/气球翻译)
星罗/气球翻译：深度学习辅助的漫画翻译工具，支持一键机翻和简单的图像/文本编辑。
★ 5,212显存：未说明GPL-3.0
最近更新
漫画翻译
comic-translate
借助 GPT 等大语言模型翻译多语种漫画的工具，覆盖文字检测、OCR、修图、翻译和嵌字。
★ 2,975显存：未说明Apache-2.0
最近更新
游戏翻译
LunaTranslator
视觉小说翻译器，主要用 HOOK 或 OCR 提取游戏文本，再接在线或离线翻译引擎。
★ 13,759显存：未说明GPL-3.0
最近更新
超分/插帧
Real-ESRGAN
图像/视频超分辨率工具，含针对动漫的 RealESRGAN_x4plus_anime_6B 模型。
★ 37,104显存：未说明BSD-3-Clause
最近更新
长期未更新（>12 个月无 commit）超分/插帧
Waifu2x-Extension-GUI
Windows 图形界面的图像/视频超分和插帧工具，支持 AMD/Nvidia/Intel GPU。
★ 17,116显存：未说明自定义许可 · 自定义(仅限个人使用,商用需Premium)
最近更新
超分/插帧
Video2X
视频超分和插帧工具，支持 Real-ESRGAN、Real-CUGAN、RIFE 等算法。
★ 22,264显存：未说明AGPL-3.0
最近更新
超分/插帧
realcugan-ncnn-vulkan
Real-CUGAN 超分模型的 ncnn-vulkan 实现，提供便携可执行文件。
★ 929显存：未说明MIT
最近更新
长期未更新（>12 个月无 commit）超分/插帧
Practical-RIFE
RIFE 视频插帧算法的实用版本，在命令行使用，README 附 V4.0 动漫视频 demo。
★ 1,029显存：未说明MIT
最近更新
语音/歌声
GPT-SoVITS
语音合成和声音克隆工具，带 WebUI，支持 CUDA、Apple silicon 和 CPU。
★ 62,882显存：未说明MIT
最近更新
语音/歌声
RVC WebUI
基于检索的变声/歌声转换 WebUI，含实时变声界面。
★ 38,760显存：未说明MIT
最近更新
语音/歌声
Fish Speech(S2-Pro)
Fish Audio 的语音合成(TTS)项目，当前版本为 S2-Pro。
★ 33,177显存：未说明自定义许可 · Fish Audio Community License(自定义)
最近更新
语音/歌声
Style-Bert-VITS2
以日语为主的语音合成工具，只做合成时可以在没有显卡的 CPU 上运行。
★ 1,387显存：未说明AGPL-3.0
最近更新
长期未更新（>12 个月无 commit）语音/歌声
CosyVoice
基于大语言模型的语音合成(TTS)系统，提供多个版本的模型和服务化部署。
★ 23,999显存：未说明Apache-2.0
最近更新
语音/歌声
F5-TTS
语音合成和声音克隆工具，带 Gradio 界面，支持 NVIDIA/AMD/Intel 显卡。
★ 15,409显存：未说明MIT
最近更新
图像生成与训练
Stable Diffusion WebUI Forge
Stable Diffusion WebUI Forge：图像生成 WebUI，支持 Flux NF4/GGUF。
★ 13,069显存：未说明AGPL-3.0
最近更新
长期未更新（>12 个月无 commit）图像生成与训练
kohya_ss GUI
kohya_ss GUI：LoRA 和模型训练的图形界面工具。
★ 12,630显存：未说明Apache-2.0
最近更新
图像生成与训练
SD-Trainer / lora-scripts(秋叶)
秋叶 SD-Trainer：带图形界面的 LoRA/模型训练工具。
★ 6,184显存：未说明AGPL-3.0
最近更新
长期未更新（>12 个月无 commit）字幕/语音识别
VideoLingo
整合语音识别、字幕翻译、断句和配音的视频本地化工具，Streamlit 界面。
★ 18,811显存：未说明Apache-2.0
最近更新
字幕/语音识别
video-subtitle-extractor(硬字幕提取)
用 OCR 从视频画面中提取硬字幕的工具，README 为中文。
★ 9,599显存：未说明Apache-2.0
最近更新
AI虚拟主播
Open-LLM-VTuber
接入大语言模型的 AI 虚拟主播/桌宠项目。
★ 14,117显存：未说明MIT(LICENSE文件)
最近更新