热门
立即入驻

AudioGPT

3周前发布 602 0 0

这是一个借助大语言模型（LLM）处理音频的工具，可以： – 生成音乐 – 背景音效 – 音频生成字幕 – 文字生成音频 – 文字生成音频并模拟声音 – 根据图片生成音频 – 对音频进行inpaint（局部屏蔽） – 根据音频和人脸照片合成视频 – 检测音频中的事件，以及开始和结束时间 – 单声道变双声道 – 通过文本描述检测特定声音发生的...

语言：
zh
收录时间：
2026-08-31
打开网站手机查看
AudioGPTAudioGPT
AudioGPT打开网站

这是一个借助大语言模型（LLM）处理音频的工具，可以： – 生成音乐 – 背景音效 – 音频生成字幕 – 文字生成音频 – 文字生成音频并模拟声音 – 根据图片生成音频 – 对音频进行inpaint（局部屏蔽） – 根据音频和人脸照片合成视频 – 检测音频中的事件，以及开始和结束时间 – 单声道变双声道 – 通过文本描述检测特定声音发生的时间 – 抽取某种声音 – 去除背景噪音 多人混合声分离出单人声音 语音翻译 http://github.com/AIGC-Audio/AudioGPT 演示：https://huggingface.co/spaces/AIGC-Audio/AudioGPT 论文：https://arxiv.org/abs/2304.12995

数据统计

相关导航

gpt-crawler

gpt-crawler

用于从URL生成知识文件，以创建您自己的自定义GPT模型。 功能点： 1. **网站爬虫**：可从指定的URL爬取网站内容，为GPT模型提供学习和生成知识的素材。 2. **生成知识文件**：爬取的内容不仅被存储，还将被转化成知识文件，这些文件可以用来培训你自己的GPT模型。 3. **自定义GPT模型**：利用生成的知识文件，用户可以定制自己的GPT模型，以便生成特定类型的文本。 4. **MIT许可证**：gpt-crawler是在MIT许可下发布的，这意味着您可以自由地使用，复制，修改，合并，发布，分发，再许可，或者销售这个软件。
GPT-SoVITS

GPT-SoVITS

零样本文本到语音（TTS）： 输入5秒的声音样本，即刻体验文本到语音转换。 少样本TTS： 仅需1分钟的训练数据即可微调模型，提升声音相似度和真实感。 跨语言支持： 支持与训练数据集不同语言的推理，目前支持英语、日语和中文。 WebUI工具： 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和GPT/SoVITS模型。 介绍视频 https://www.bilibili.com/video/BV12g4y1m7Uw/ 来自B站up主：花儿不哭
Segment-Anything

Segment-Anything

Segment-Anything是一个模型，它提供了运行推理的代码、训练模型的检查点下载链接以及示例笔记本。以下是Segment-Anything的功能特点总结： 推理功能：Segment-Anything模型通过使用已训练的模型检查点，可以对图像进行分割，并提取出图像中各个区域的感兴趣部分。 模型检查点下载：用户可以从该项目中获取已经训练好的模型检查点，以便在自己的应用中使用或进行二次开发。 示例笔记本：Segment-Anything提供了一些示例笔记本，展示了如何使用该模型进行图像分割的步骤和方法。 开放源代码：Segment-Anything的代码是开放源代码，并使用Apache-2.0许可证进行授权，这意味着用户可以自由地使用、修改和分发代码。
LabelU 开源标注工具

LabelU 开源标注工具

1.产品介绍 一款轻量级开源标注工具，自由组合多样工具，无缝兼容多格式数据，同时支持载入预标注，加速数据标注效率 2.特色功能 LabelU 提供了多种标注工具和功能，支持图像、视频、音频标注。 · 图像类：多功能图像处理工具，涵盖 2D 框、语义分割、多段线、关键点等多种标注工具，协助完成图像的标识、注释和分析。 · 视频类：具备强大视频处理能力，可实现视频分割、视频分类、视频信息提取等功能，为模型训练提供优质标注数据。 · 音频类：高效精准的音频分析工具，可实现音频分割、音频分类、音频信息提取等功能，将复杂的声音信息直观可视化。 3.产品特性 · 简易，提供多种图像标注工具，通过简单可视化配置即可标注 · 灵活，多种工具可自由组合使用，满足大部分图像，视频，音频的标注需求 · 通用，支持导出多种数据格式，包括 JSON，COCO，MASK