开源项目

LibreChat，它不仅支持多种AI模型，还提供了灵活的自定义选项，解决了多AI模型整合和切换的问题。 LibreChat是一个开源的聊天平台，它致力于提供一个自由和安全的通信环境。这个基于Web的解决方案强调用户隐私和数据主权，使用户无需担心信息被第三方截取或滥用。LibreChat使用现代Web技术构建，前端主要使用React库，后端逻辑则使用Go语言。它采用Signal…

  开源、免费和离线的实时翻译应用，支持多人对话翻译和文本翻译模式。应用主要功能包括对话模式和对讲模式，保障用户隐私，所有翻译和语音识别模型均在手机上运行。 地址： https://github.com/niedev/RTranslator

这篇内容介绍了Diffutoon是一种卡通渲染方法，适用于渲染高分辨率视频和快速运动。提供了几个例子，包括使用配置字典修改参数的卡通渲染、支持视频编辑信号的卡通渲染以及原生Python代码中使用的卡通渲染。这些例子可以在GitHub上找到。 项目地址： https://github.com/modelscope/DiffSynth-Studio/tree/main/exampl…

一种名为RB-Modulation的新方法，用于训练免费的扩散模型个性化。该方法可以实现风格化和内容风格组合，同时保持样本多样性和提示对齐。通过引入交叉注意力特征聚合方案，RB-Modulation可以将内容和风格从参考图像中解耦。该方法在风格化和内容风格组合方面表现优异，具有理论基础和实证证据支持。RB-Modulation的提出为未来研究开辟了新的方向。 项目地址： htt…

controlnet作者张吕敏公开了新项目， Omost:一个将 LLM 的编码能力转换为图像生成（或更准确地说，图像合成）能力的项目。 Omost是一个将LLM的编码能力转换为图像生成（或更准确地说是图像合成）能力的项目。 Omost（发音：almost）这个名字有两个意思：1）每次使用Omost后，你的图像几乎已经完成；2）O代表“omni”（多模态），most表示我们希望…

ToonCrafter，它可以通过预训练的图像到视频扩散先验来插值两幅卡通图像。项目支持生成512×320分辨率的视频，推荐使用Anaconda安装环境并通过命令行或本地Gradio演示进行推理。需要注意的是，由于生成视频先验的多样性，成功率并不保证。 ToonCrafter 通过生成性插值方法，在卡通动画帧之间生成自然、连贯的中间帧。能够处理复杂的非线性运动和遮挡问…

可以合成自然、逼真的视频，保留目标服装的身份，同时保持源视频其余部分不变 项目地址： https://github.com/novitalabs/AnimateAnyone 论文地址： https://arxiv.org/pdf/2405.11794 这篇论文介绍了一种名为ViViD的视频虚拟试穿技术，通过强大的扩散模型来实现视频虚拟试穿。他们提出了一种新的架构，利用扩散模型生…

LlamaFS是一个自组织的文件管理器，可以根据文件内容和约定自动重命名和整理文件。它支持各种文件类型，甚至包括图像和音频。它有批处理模式和交互式守护程序模式。用户可以发送目录到LlamaFS，它会返回建议的文件结构并整理文件。它还有“隐身模式”切换，可以通过Ollama而不是Groq路由每个请求。使用Python后端构建，集成了Ollama和Groq，前端使用Electron…

ChatTTS是一个专为对话场景设计的语音生成模型，支持中文和英文，通过大量数据训练，提供高质量和自然度的语音合成。项目团队计划开源一个基础模型，注重模型的可控性和安全性。用户在使用ChatTTS时需注意免责声明，开源模型将为社区带来新的学习和创新机会。 项目地址： https://github.com/2noise/ChatTTS 视频演示地址： https://www.bi…

Open-Sora1.1发布带来了显著提升，尤其在视频生成质量和时长方面。新版本模型能生成最长约21秒视频，使用高质量视觉数据和字幕训练，提升对世界运作的理解。CausalVideoVAE架构优化提高性能和推理效率。 项目地址： https://github.com/PKU-YuanGroup/Open-Sora-Plan