AI 共存派
-
一个基于 Diffusion 的视频生成模型 StableVideo，开源
这篇内容介绍了一个基于Diffusion的视频生成模型StableVideo。该模型通过引入时间依赖性，为编辑的对象生成一致的外观，解决了闪烁问题。通过层次表示的概念将外观信息传播到下一帧，构建了一个基于文本的视频编辑框架，可以实现一致性感知的视频编辑。演示视频的合集展示了模型的稳定性，对此感兴趣的人可以下载模型进行尝试。 项目地址： https://github.com/re…
-
memo.ac:将视频转换为文本、字幕和笔记,支持导入字幕翻译以及双语导出
MemoVideo可以将视频转换为文本、字幕和笔记，让转录工作更加简单。无论是YouTube、播客还是本地音视频文件，都可以将文本转换并提取核心内容。可以轻松将YouTube视频、播客等转换为文本副本。多语言支持，支持中文、英文、日文和90多种语言之间的转录和翻译。可以实时显示音频的关键点作为浮动弹出笔记。可以实时显示音频的字幕。支持本地媒体文件，如MP4、MP3…
-
清华联合字节开源一款认知导向的开源听觉大语言模型SALMONN
清华大学电子工程系与字节跳动火山语音团队合作，于上周推出一款认知导向的开源听觉大语言模型SALMONN（Speech Audio Language Music Open Neural Network），该模型不仅能够感知和理解各种类型的音频输入，还涌现出多语言和跨模态推理等高级能力。目前SALMONN能够胜任英语语音识别、英语到中文的语音翻译、情感识别、音频字幕生成、音乐描述等…
-
Meta于开源发布了AI翻译模型SeamlessM4T，能转录和翻译数百种语言的语音和文本
Meta于当地时间8月22日开源发布了AI翻译模型SeamlessM4T，能转录和翻译数百种语言的语音和文本，并开源了翻译数据集SeamlessAlign。Meta称，这是迄今为止最大的开放多模式翻译数据集，覆盖挖掘的语音和文本对齐总计27万小时。 在进行鲁棒性测试时，与当前最先进的模型相比，SeamlessM4T在语音转文本任务中针对背景噪声和说话人变化的表现更好，平均分别提…
-
用Midjourney的局部重绘「Vary(Region)」+Remix mode修改提示词打开新世界
midjourney昨晚更新了一个功能：局部重绘「Vary(Region)」。 我今天把玩了下，发现可以通过修改提示词+区域划分搞一些好玩的，想象空间会更大一些，比如换衣服，换发型等，虽然还是会有一定的局限性（比如可控性，也没法定制你想要的物品），但足以应对很多场景。 不得不佩服midjourney这个团队能力，我经常看他们在推上和discord上的官方消息，真的是一点都不端着…
-
上海AI实验室发布的文字生成3D模型-MATLABER
这篇文章介绍了一种基于文本生成3D模型的方法，通过使用强大的文本到图像扩散模型，能够生成具有引人注目的几何形状和外观的3D模型。然而，现有的方法仍然难以恢复高保真度的物体材料，要么只考虑Lambertian反射，要么无法将BRDF材料与环境光分离。为此，作者提出了一种名为MATLABER的材料感知文本到3D模型的方法，利用新颖的BRDF自编码器进行材料生成。通过使用大规模真实世…
-
Midjourney 提示词：吉卜力工作室风格+烹饪场景，每道菜都讲述一个故事
用吉卜力工作室风格的烹饪场景来激发想象力的美食佳肴。每道菜都有一个故事。 retro ghibli scene, [场景细节], minimal shading, bold, lined, 2D, flat, low detail, animated film pioneer –ar 3:2 –style raw –c 20 复古的吉卜力场…
-
Midjourney 发布了局部重绘「Vary(Region)」，将提高绘图的自由度
Vary(Region)」功能在哪里？ 图片生成后（四张），选择U1，U2，U3，U4，放大后的照片下方会出现： 怎么用？ 点击「Vary(Region)」会出现一个新的界面。下面的那个提示词界面需打开remix mode才会有，关闭状态是没有的。 主要功能是那两个选取肝功能： 1) 选取框选择一个矩形区域。 2) 套索工具可让绘制一个区域。 测试下效果，换一张有细节的图，比…
-
getimg.ai：生成高质量的 AI 绘画作品、修改照片、扩展图片
getimg.ai是一套神奇的AI工具，可以批量生成原创图像、修改照片、扩展图片的边界，或创建自定义的AI模型。它是一个完全集成的图像生成工具套件，速度快，可以在几秒钟内生成多达10张图像。（每月有100张免费额度） 无需下载，直接在浏览器中使用这些神奇的AI工具。适用于各种用途，包括艺术创作、照片编辑、设计灵感等。用户可以使用文字生成原创图像，也可以使用AI编辑器进行图片扩展…
-
GitHub 存储库上一项被称为 “aih” 的新项目，允许用户在终端与不同AI聊天机器人对话
项目地址：https://github.com/Databingo/aih 对于开发者来说，这不仅可以节省时间，提高工作效率，同时还可以实时获取 AI 聊天机器人反馈。随着 AI 技术的不断发展，我们可以预见，这个产品在未来可能引领一种全新的交互潮流。 核心功能: 支持多种人工智能模型:aih 支持与 Bard、Claude2、Llama2等多个人工智能模型进行对话，用户可以根…
