图像
文生图 & 图生图
输入描述即可生成任意风格的图像，支持图生图、局部编辑、智能扩图。本地运行，无需排队。
核心功能
用 AI 加速你的创作流程
音频
语音合成 & 声音克隆
文字转语音、语音识别、声音克隆 — 支持多种中英文模型，本地处理，延迟极低。
视频
文生视频 & 视频编辑
从文字描述生成视频，或对现有视频进行剪辑、加封面、转场合并、去除口头禅等操作。
产品能力
一站式满足你的创作需求
图像
文生图像
Flux.2 文字描述生成图像
图生图像
以图片为基础再创作
AI 指令编辑
HiDream 自然语言修图
智能修图
局部重绘 · 区域编辑
人脸替换
InsightFace 换脸
人脸修复
GFPGAN 面部增强
黑白上色
老照片智能彩色化
超分辨率
RealESRGAN 放大清晰
虚拟试衣
VTON 服装穿上人物照片
服装提取
TryOnDiff 提取衣品款式
视频
文生视频
文字描述生成视频
图生视频
图片转动态视频
AI 视频制作
一句话 → AI 编剧 → 成片
视频渲染
逐字字幕 · 旁白同步
音频
语音合成 TTS
5 模型可选 · 16+ 音色
语音识别 STT
3 模型 · 字级时间戳
声音克隆
跨语言克隆 · 音色保存
字级对齐
Paraformer 逐字时间戳
多语言支持
中 · 英 · 日 · 韩
文档 & 其他
文档解析
PDF 转结构化数据
PPT 生成
一键生成演示文稿
插件系统
社区扩展新能力
对话 / 扩写
内置 LLM 助手 · 扩写改写
为什么选择 ModStackX？
不止是工具，是不断进化的本地创作伙伴
数据隐私
所有 AI 处理在本地完成，你的文件从不离开你的电脑
无需联网
断网也能用，无延迟无排队，不受服务器状态影响
多模型自由切换
同一能力提供 3-5 个模型选择，按需切换找到最适合的
端到端自动化
输入主题 → AI 编剧 → 旁白 → 字幕 → 成片，一句话完成
本地 Agent
AI 智能体自动化执行创作流水线，一句话完成复杂任务
功能可扩展
插件系统 + 模型市场，按需安装新能力
原生性能优化
macOS MLX 加速 + Windows DirectX 优化，充分发挥本地算力
持续进化
快速迭代，持续集成最新 AI 模型和能力
一站式创作
图像、视频、音频、文档，全链路创作流程一网打尽
逐字级精度
视频字幕逐字高亮同步，Paraformer 字级时间戳精度
适用场景
从创意到落地，ModStackX 陪你完成每一步
设计师 · 批量素材生成
文生图快速产出多风格素材，AI 指令编辑精细调整，虚拟试衣与服装提取加速选款。全程本地运行，设计稿不外传。
短视频 · 一句话出片
输入主题即可 AI 编剧、生成旁白、渲染逐字字幕，一句话完成从创意到成片的全流程。自媒体创作者的效率利器。
播客 · 语音内容制作
TTS 将文章转语音播报，STT 快速出逐字稿，声音克隆保持频道声音一致性。5 个 TTS 模型自由切换。
电商 · 商品图处理
去背景、超分辨率放大、虚拟试衣、黑白上色，电商商品图一站处理。本地运行，产品图不上传第三方。
文档 · PDF 高效解析
复杂 PDF 转结构化 Markdown/JSON，表格、公式、多栏布局精准还原。PPT Agent 上传文档自动生成演示文稿。
老照片 · 修复上色
人脸修复增强画质，黑白照片智能上色，超分辨率放大清晰度。让珍贵记忆重焕新生，全部本地处理。
模型生态
集成主流开源模型，持续扩展能力边界
Flux.2
文生图像 · Klein 4B
HiDream
AI 指令编辑
Stable Diffusion
图生图像 · 智能修图
GFPGAN
人脸修复 · 面部增强
RealESRGAN
超分辨率放大
Rembg
智能去背景
LTX
文生视频 · 图生视频
Wan 2.1
文生视频 14B
Kokoro
TTS · 16 音色 · 6 语言
Qwen3-TTS
TTS · 多语言克隆
Spark-TTS
TTS · 轻量级
CosyVoice
声音克隆 · 高质量中文
SenseVoice
STT · 快速多语言
Paraformer
STT · 字级时间戳
MLX Whisper
STT · Apple Silicon
MinerU
文档解析 · PDF/公式/表格
Qwen3.5
LLM · 本地对话/扩展
VTON
虚拟试衣 · 服装上身
TryOnDiff
服装提取 · 衣品款式
InsightFace
换脸 · 人脸替换
CodeFormer
老照片修复 · 黑白上色
IOPaint
去水印 · 去物体
PPT Agent
智能生成演示文稿
为 ModStackX 构建插件
开放插件系统，Python 脚本即可扩展新能力 · 敬请期待
开发文档
完整的插件开发指南和最佳实践
API 参考
IPC 协议 · 权限系统 · 模型接口
示例项目
开源示例插件，快速上手二次开发
系统要求
了解你的设备是否满足运行条件
操作系统
macOS 14+ 或 Windows 10+
处理器
Apple Silicon / Intel / AMD x64
内存
最低 8GB，推荐 16GB+
存储空间
首次使用需下载模型（约 30-50GB）
加入 ModStackX 社区
获取最新动态、参与讨论、反馈建议，与创作者和开发者一起交流
- 第一时间获取新功能和模型更新
- 与开发者直接交流，反馈问题
- 分享创作作品，获取灵感
- 参与插件开发，贡献社区
微信扫码加入