pickfit

瀏覽本機 AI 工具

NeuroBrix

開源引擎,透過單一容器格式執行語言、視覺、語音、圖像與影片模型。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Python 3.10 or newer, PyTorch 2.1 or newer
  • 可選用 GPU
  1. uv tool install neurobrix

    uv tool install neurobrix
README 與實測不符之處
  • README 寫: neurobrix run --model Kokoro-82M --prompt "Hello from NeuroBrix." --output speech.wav
    實際可行: 加上 --speaker <voice>,例如 --speaker af_sky;未指定時 Kokoro-82M 會以 ZERO FALLBACK 中止並列出 54 種聲音

確認能用

neurobrix --version

輸出應包含「NeuroBrix v0.5.4」。

先試試這個

neurobrix doctor

先執行 neurobrix doctor 檢查設定。

它能做什麼

  • 將文字轉為語音
    怎麼使用
    1. 以 neurobrix import hexgrad/Kokoro-82M --accept-license 匯入語音模型。
    2. 執行 neurobrix run --model Kokoro-82M --prompt "<your text>" --speaker af_sky --output <file>.wav。
    3. 找到含有音訊檔名的 SAVED 那一行。
    已測試
  • 產生圖片與影片,並放大圖片
    怎麼使用
    1. 以 neurobrix import xinntao/Real-ESRGAN-RealESRGAN_x4plus --accept-license 匯入放大模型。
    2. 執行 neurobrix upscale --model Real-ESRGAN-RealESRGAN_x4plus --input <image> --output <output image>。
    3. 找到含有放大後檔名的 SAVED 那一行。
    已測試
  • 執行語言、視覺、語音與影片模型
    未測試
  • 將語音轉錄為文字
    未測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 4 項功能中 2 項可用
  4. 可離線使用

適合用來

  • 使用語音轉文字模型將音訊轉錄為文字
  • 從文字合成語音音訊
  • 從文字提示生成圖片
  • 從文字提示生成影片
  • 使用超解析度模型放大圖片

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

主要功能可用

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.5.4

測試機器遇到的差異

  • README: pip install torch matching hardware then pip install neurobrix
    測試中: 在僅有 CPU 的機器上,uv tool install neurobrix 拉取了 torch 2.15.0+cu132 及約 2.4 GB 的 NVIDIA CUDA wheels;doctor 標示此浪費並指向 cpu index 版本
  • README: neurobrix import <org>/<name> asks to accept the license
    測試中: 加上 --accept-license(或 NBX_ACCEPT_LICENSE=1)重新執行,以非互動方式匯入

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。