MMAudio：输入视频或文本可自动给视频配音效
MMAudio是一项由伊利诺伊大学厄巴纳-香槟分校、Sony AI及Sony集团联合推出的新技术，它能够实现视频到音频的高质量合成。这项技术的核…
栏目
开源项目
关于AI相关开源项目，附带项目代码地址
218
篇内容
Exo Labs来袭！让Mac M4电脑也能本地运行强大开源AI模型
家人们，好消息！Exo Labs带着他们的黑科技来了，现在你的Mac M4电脑也能变身强大的本地AI模型运行器啦！🌌 🍎【Apple M4芯片的…
Fashion-VDM：一键试衣，视频见证你的时尚变身！👗📹
亲爱的时尚达人们，想要快速预览穿上心仪衣物的效果吗？Fashion-VDM来帮你实现这个愿望！只需一张图+视频，就能展示穿上输入衣物后的神奇效果…
可一键生成“多机位”视频大片-ReCapture
利用多视角扩散模型和遮罩视频微调技术，实现粗略视频到清晰、连贯、动感视频的转变。适用于各种视频和视角转换，让普通用户也能制作专业级“多机位”视频…
FLUX.1-dev LoRA秒出服装效果图
FLUX.1-dev LoRA 是由 TryOn Labs 开发的一款服装生成器，它利用先进的人工智能技术，能够根据用户输入的服装描述（包括颜色…
VQAScore评测方案，搞定文生图模型评测
VQAScore是一种新的文本到视觉生成评估指标，通过CLIP-FlanT5模型计算图像与文本提示的匹配度，优于传统CLIPScore。它使用V…
InstantX图像生成黑科技！可精确控制 FLUX 生成图片时每个区域的内容
这个GitHub仓库名为“Regional-Prompting-FLUX”，由instantX-research组织创建。它提供了一个名为“Tr…
Standard Intelligence Lab推出的Hertz-Dev开源音频模型，实现了超低延迟的实时对话AI
Hertz-Dev 是一个开源音频模型，它具有 8.5 亿参数。该模型在延迟方面表现出色，理论延迟仅有 80 毫秒，实际延迟为 120 毫秒。这…
阿里IC-LoRA给图像生成模型增加情节记忆力能力
研究人员设计出一种简单有效的流程，这个流程能够唤醒 Diffusion 模型的 “上下文学习” 能力。这样做的好处是大大降低了 AI 模型的训练…