AI导航

StreamDiffusion是一种专门为实时图像生成服务设计的扩散模型管道，显著地提升了实时图像生成的性能。 在模型和输出帧率方面，它支持SD-turbo模型，1步，t2i每秒帧率106，i2i每秒帧率93。同时，它也支持LCM-LoRA+KohakuV2模型，4步，t2i每秒帧率38，i2i每秒帧率37。 其主要特点包括： 1. 通过高效的批处理操作实现数据处理流程的优化。 2. 改进的指导机制可以最大程度地减少计算冗余。 3. 通过先进的过滤技术提高GPU利用效率。 4. 有效管理输入和输出操作，实现更顺畅的执行。 5. 优化缓存策略以加速处理。 6. 利用各种工具进行模型优化和性能提升。 这些特点使得StreamDiffusion成为一种高效、实时的图像生成服务扩散模型管道。

商汤科技推出的”商汤日日新”大模型体系涵盖自然语言生成、文字生成图片、感知模型标注和模型研发等功能。该公司以”大模型+大算力”作为通用人工智能领域的发展战略，推出了多种大模型和能力，包括自然语言处理、内容生成、自动化数据标注和自定义模型训练。

Amphion是一个开源工具包，可实现语音、声音和歌唱功能。除了文字转语音功能，它还能将一首歌的声音换成另一个歌手的声音，并支持声音转换、歌声合成、文本到音频、文本到音乐等功能。

允许开发者通过一个简单的API接口来访问超过100种不同的大语言模型。包括OpenAI、Anthropic、Mistral、LLama2、Anyscale、Google Gemini等。

Google Research的一篇研究，介绍了StyleDrop：通过参考图片，使用文本生成图像，风格符合参考图像。效果好于DreamBooth、Imagen和Stable Diffusion的textual inversion方法。 项目地址： https://styledrop.github.io/ 论文： https://arxiv.org/abs/2306.00983

Flowise是一款开源的低代码/无代码工具，可以帮助开发者快速构建强大的大型语言模型（LLM）应用程序。Flowise提供了丰富的预训练模型、易于使用的API和直观的拖放式界面，用户无需编写复杂代码即可创建定制化的LL 工作流和AI智能体。Flowise 的核心基于LangChainJS，这是一个强大的工具库，可以帮助开发者将语言模型与其他组件集成，形成链式流程以实现特定功能。Flowise 适用于构建聊天机器人、智能问答系统等应用。

ComfyUI Portrait Master 肖像大师 简体中文版是一款专业的人物肖像提示词生成工具。它专注于优化肖像生成，让选择比填空更适合人类的操作方式。这款工具可以根据用户的具体需求，生成各种肖像的提示词，覆盖镜头类型、性别、国籍、面部表情、发型等多个参数。用户可以根据自己的需求进行个性化设置，例如调整发型、表情等。此外，此工具适用于多种工作流程，广泛应用于视频制作和设计等领域。目前最新版本为2.2，经过优化和汉化处理，ComfyUI Portrait Master项目为使用者提供了更加便捷的使用体验。如果你对此感兴趣，可以到项目官网学习使用方法，网上也有详细的教程可供参考。 使用参考：https://zhuanlan.zhihu.com/p/663008600

Background Removal 是一个强大的 npm 包，它提供了一个在线浏览器中使用的抠图脚本。该脚本基于 ONNX 模型，并通过使用 WebAssembly 在浏览器上运行。

CoDeF通过将静态内容与时间变形结合，为视频处理提供了新的视角和工具。这种方法能够提高视频编辑和分析的效率，并具有潜力影响电影制作到虚拟现实等领域。CoDeF将视频分为规范内容字段和时间变形字段，能够精确分析和处理每一帧的内容。它还可以跟踪和分析视频中的复杂运动，实现卓越的跨帧一致性。CoDeF具有灵活性和高效性，可以应用于多种视频处理任务。 该项目由蚂蚁集团、香港科技大学和浙江大学团队共同创建。

一个功能强大且易于使用的视频翻译和配音工具，适用于需要翻译视频或为视频添加不同语言配音的人们。它的开源性质和灵活性使得用户能够根据自己的需求进行自定义和改进。 功能点： 1. 视频翻译：pyvideotrans 允许用户将一种语言的视频翻译成另一种语言。通过使用该项目，你可以轻松地转换视频的语言，使得观众能够更好地理解视频内容。 2. 配音：除了视频翻译外，pyvideotrans 还可以添加配音。你可以选择一种语言作为原始音频，然后用另一种语言的音频来替换它。这对于将视频转换成多种语言版本或为特定目标受众添加配音非常有用。 3. MIT许可证：pyvideotrans 采用了MIT许可证，这意味着用户可以免费使用、修改和分发该项目。这种开放的授权方式使得pyvideotrans 在用户和开发者之间建立了更好的互动和合作环境。

InsightFace是一个开源的2D和3D深度人脸分析库。 功能特点： 面部识别：InsightFace实现了最先进的面部识别算法，可以高效准确地进行人脸识别。它在CVPR 2019上被接受为最先进的面部识别方法。 面部检测：该库提供了RetinaFace，这是一种最先进的多任务面部检测方法。它在CVPR 2020上被接受，并能在复杂场景下实现高准确率的面部检测。 面部对齐：InsightFace提供了SDUNet和CoordinateReg等面部对齐方法。这些算法能够对面部进行准确的对齐，保证了后续处理的准确性。 易于使用和部署：InsightFace是一个易于使用的Python库，提供了方便的API接口，使得研究机构和商业组织可以轻松地使用和部署该库中的算法。 开源：InsightFace是开源的，用户可以自由地查看和修改源代码，以满足自己的需求。 强大的性能：InsightFace在多个面部分析挑战中取得了优异的成绩，包括在ECCV 2022 WCPA Challenge中获得第一名，在NIST-FRVT 1:1 VISA中获得第一名，在NIST-FRVT 1:1中排名第四。

一个高级语音和Deepfake神经网络工具。功能： * 可以合成和克隆英语、俄语和中文的声音，同时支持实时语音识别。 * 能深度伪造面部和嘴唇动画，并使用一张照片进行人脸交换。 * 通过文本提示改变视频，进行分割和修饰。 * 具有语音合成、声音克隆、实时语音识别、多对话创建、视频到视频转换、深度伪造动画、AI修饰工具、自动分割掩码等功能。 * 支持英语、俄语、中文和西班牙语等多种语言。 * 适用于初学者和专业人士。 * 保护用户隐私。 * 应用于广告配音、游戏角色配音、有声书朗读和深度伪造项目等应用场景。 * 需要Python 3.10和ffmpeg作为运行环境。 * 由Wladislav Radchenko进行开发和维护。

一个功能强大的数据库工具，它可以帮助用户子集化数据库、浏览关系数据，并提供数据库维护和管理功能。通过提供直观的界面和丰富的功能，Jailer 能够提升用户对数据库的操作和管理效率。 功能特点： 数据库子集化：Jailer 可以帮助用户从大型数据库中提取子集数据。通过选择特定的表、列和行，用户可以轻松地创建一个与原始数据库相关联的较小的数据集。 关系数据浏览：Jailer 提供了一个直观的图形界面，用于浏览和查询数据库中的关系数据。用户可以通过简单的导航和搜索功能访问不同的表和数据之间的关联。 数据库维护和管理：除了提取子集数据和浏览关系数据外，Jailer 还提供了一些数据库维护和管理功能。用户可以执行数据库备份、还原和数据清理等操作，保证数据库的安全和质量。 Apache-2.0 许可证：Jailer 是开源工具，使用 Apache-2.0 许可证发布。这意味着用户可以免费使用、修改和分发 Jailer 的源代码。

HierVST 是一种分层自适应零样本语音风格转换模型，它具备以下功能特点： 零样本语音风格转换：HierVST 可以在没有目标说话者语音数据的情况下，将一个新的说话者的语音风格转换为目标风格。这意味着即使没有目标说话者的语音样本，HierVST 也可以生成具有目标风格的语音。 分层自适应结构：HierVST 使用分层自适应生成器，逐步生成音高表示和波形音频，从而实现逐步转换语音的能力。这种结构让模型能够适应新的语音风格，并逐步进行转换。 自监督表示学习：HierVST 仅使用语音数据集进行训练，而无需使用文本转录。它采用了层次变分推断和自监督表示学习的方法，提高了模型在音频表示上的性能。 性能优于其他模型：在零样本语音风格转换场景中，HierVST 的实验结果表明其性能优于其他 VST 模型，如 AutoVC、VoiceMixer、DiffVC、Speech Resynthesis 和 YourTTS。

一键免费部署私人 ChatGPT+Midjourney 网页应用 支持原ChatGPT-Next-Web所有功能 还额外支持AI绘图、图片放大、识图、 混图、垫图等等功能