应用

1、MeloTTS支持多种语言的文本转语音，包括英语（包括美国、英国、印度、澳大利亚等口音）、西班牙语、法语、中文、日语和韩语。这使得它适用于全球各种语言环境的应用场景。 2、特别是对于中文，MeloTTS支持中英文混合的发音，这在多语言交流中非常实用，可以处理包含英文单词的中文文本。 3、MeloTTS经过优化设计，能够在没有GPU加速的情况下，在CPU上实现实时语音合成，提…

开源贴纸制作工具StickerBaker，傻瓜式操作即可，输入关键词就能生成卡通贴纸，支持批量制作多样化贴纸。 StickerBaker是一个使用fofr/sticker-maker强大功能的应用，为用户提供高效、便捷的贴纸制作体验。它不仅支持批量制作贴纸，还能一次性创建多个独特的贴纸，为聊天和分享增添更多乐趣。 无论你想制作具有地域特色的贴纸，如乌克兰国旗色的豹子，还是创造出…

更好的音质和更高的表现力+其他强烈要求的功能：– 提升音质和表现力– 加强其他重要功能 最大生成长度增加到两分钟– 将生成音乐的最大长度延长至两分钟 更快的生成速度– 加快音乐生成的速度 特定乐器的专门支持– 提供对特定乐器的专业支持 扩大语言覆盖范围– 增加支持的语言种类 从任何地方继续– 允…

剪映海外版CapCut推出了文字生成视频功能，每个用户每天可免费生成五次。该功能支持中文提示词，但生成的内容质量目前较低。 可以通过文本生成4秒的视频支持多种4:3、9:16等多种比例的视频类型。 体验地址： https://www.capcut.com/editor-tools/ai-video-generator

Stability AI 官方的 SVD 视频生成平台公测了，功能上就是 SVD 模型增加了镜头控制能力。 每天会有 150 的免费额度可以生成 15 个视频，可以去体验一下。 平台帮助模型获取标记数据的设计比较有意思。类似的视频生成平台可以参考。 首先是在视频生成等待的过程中会出现一个弹窗，会展示两个社区的视频让用户评选哪个好。 另外是生成视频之后也会又一个评价的气泡，你可以…

这个秘塔AI搜索不错。丢个问题给它，它去帮你变换关键词去搜索，搜完总结总结，并把来源也告诉你。搜素时可选择简洁、深入、研究三种模式，给出的结果包含总数、大纲和来源。体验地址：https://metaso.cn/

2月16日，来自多伦多大学、Meta、加州大学圣迭戈分校的研究团队在arXiv上发表论文，提出利用大模型的多功能语言能力。作者构建了视频剪辑工具LAVE，其引入了一个基于大模型的规划与执行智能体，能实现素材概览、创意头脑风暴、视频检索、故事板、剪辑修剪等功能。 论文地址： https://arxiv.org/pdf/2402.10294.pdf

可以根据不同性别和体型自动调整，和模特非常贴合。也可以根据自己的需求和偏好调整试穿效果 OOTDiffusion支持半身模型和全身模型两种模式。 主要功能： 1、基于潜在扩散的装备融合：利用潜在扩散模型（latent diffusion models）的先进技术，OOTDiffusion实现了高质量的服装图像生成和融合，确保试穿效果自然且逼真。 2、半身和全身虚拟试穿：OOTD…

PixelPlayer：MIT研究团队开发的项目，能自动从视频中识别和分离出不同的声音源，并与画面位置匹配。 例如，它可以识别出视频中哪个人物正在说话或哪个乐器正在被演奏。 而且还能够分别提取和分离这些声音源的声音。 PixelPlayer能自我学习分析，无需人工标注数据。 这种能力为音视频编辑、多媒体内容制作、增强现实应用等领域提供了强大的工具，使得例如独立调整视频中不同声音…

Vercel将9个人工智能整合在一起，并创建了一个新的模型播放器，用户可以在一个界面上尝试多种模型，生成文本、图像、音频等内容。 Vercel为人工智能应用提供了丰富的产品基础设施，包括聊天机器人来增强客户服务流程，带有语义搜索的推荐系统，检索增强生成（RAG）和生成图像服务等。 为了使这一切更加简单，Vercel还提供了一套工具（AI SDK），帮助开发者在他们的网站上快速使…