文章

这个语音专文本TTS模型 应该是目前对中文支持最好的了 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音…

EasyPhoto扩展地址：https://github.com/aigc-apps/sd-webui-EasyPhoto 提示词模版和插件模型下载：https://nenly.notion.site…

基于 lshqqytiger 分支制作，功能与 v4.4 版本整合包相同 仅经过朋友一台电脑测试，不保证完全可用，若发现无法使用请及时评论区反馈 使用方法和普通整合包完全一致，首次使用打开启启动器后，…

支持接入OpenAI、Azure OpenAI、Anthropic、Google、Mistral和Perplexity等模型 同时支持Ollama上的本地模型接入。 这样你只需要输入这些模型的API，…

由清华大学多媒体智能组（THU-MIG）开发。 从输入图像到输出检测结果的整个过程全部由模型直接完成，消除了中间的人工干预或额外处理步骤。 YOLOv10 能够在极短的时间内处理输入的图像或视频帧，通…

RPG利用大语言模型来更好地理解和分解生成图像的文字提示，把一幅图像分解成不同的部分或区域。 然后对每个部分都根据理解的相应文本提示来生成图像，最后合成为一个符合你预期要求的图像。 该框架无需额外的模…

2023年50个访问量最大的AI工具及AI行业分析报告 Writerbuddy AI使用 SEO 行业著名的工具SEMrush，通过抓取AI工具数据，研究了3000多种 AI 工具。 从中选出了访问量…

【下载地址】：https://pan.quark.cn/s/9f0fec66c8b7 国外爆火出圈！极品AI图片无损放大器，模糊图片秒变清晰，一键修图

超详细参数设置！再也不用为不会写人像提示词发愁啦！重新优化为json列表更方便自定义和扩展！已包含标准工作流和turbo工作流. 肖像大师中文版2.0 ：https://github.com/ZHO-…

它可以将一个人的歌声转换成另一个人的歌声。同时能够保持了声音的自然度和真实感。 最牛P的是CoMoSVC实现了一步采样。意思是它可以在单次操作中即可完成声音的转换，大大加快了处理速度。 该项目由香港大…

Genie是一个文本到3D模型的转换工具，能够在不到10秒内根据文本描述创建任何想象中的3D对象。 生成的3D模型不仅包含形状，还包含了表面材料的细节，比如颜色、纹理或反光性，这使得模型更加逼真和详细…

该模型能够生成高质量、几乎无法与人类声音无法区分的语音。 无需训练的情况下，只需要简短的语音片段即可克隆生成高度自然且富有表现力的语音。 完全能否胜任读小说、配音等任务 Seed-TTS 还提供了对各…

由坦福大学开发，专门设计用于执行需要双手和全身协调的复杂移动任务。 可以通过模仿学习（即观察人类操作然后模仿这些动作），仅通过50次任务演示，共同训练，它就能够自主完成日常生活中的各种任务。 如做饭、…

专为COMFYUI使用者设计，无论是在原生WEB还是Blender中使用，均可实现稳定且高效的对COMFYUI维护升级、一键优化和参数配置等功能。遵循免费和非广告使用原则，你可以在制作视频、讲演、授课…

GPT-4o掀起一股全模态（Omni-modal）热潮，去年的热词多模态仿佛已经不够看了。 要构建全模态智能，意味着能够理解任何模态并学习通用表示 (Universal Representations…

NGV 外网拖回 全免费使用 中文界面 支持 SD 所有模型！ 戳这里下载：https://www.ngv.design/7528 InvokeAI 是一款领先的创意引擎，旨在为专业人士和爱好者提供支…

Stable Diffuxion出了新的更快的模型，SDXL Turbo 他到底有多快？废话不多说，先看网页版。 一个猫，在吃Cheese，绿色的盘子，戴一顶帽子，我都来不及解说了 你打字有多快，图就…

能根据音频让人物头像照片说话、唱歌同时保持嘴型和表情一致。 GitHub：https://github.com/ali-vilab/dreamtalk HuggingFace：https://hugg…

法线贴图这个东西，只要搞渲染算法的肯定会遇到。简单来讲，法线就是指模型表面的凹凸感，而凹凸感的产生是因为模型表面像素的光照条件不一样产生的。比如下面这个图，边缘光照压暗了，所以给人有一种凹凸3D感觉。

– 2023年，越来越多的开发者开始使用AI技术，同时也尝试构建基于AI的应用程序。 – 基于OpenAI等公司的基础模型的生成性AI项目数量激增，其中一些项目甚至进入了最受欢…