RTranslator是一款开源、免费和离线的实时翻译应用
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…
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
推荐一个好的视频转绘项目
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…
图片风格迁移项目RB-Modulation,可以将原图的风格迁移到生成的图象上
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…
Controlnet 作者新项目 Omost ，帮你更好的理解现有图像模型的提示词
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。 Omo…
ToonCrafter：可自动生成卡通动画的中间帧 ，并根据参考图像对动画草图自动上色
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512x320分辨率的视频，推荐使用Anaconda…
视频虚拟试穿的框架：ViViD，解决视频虚拟试穿的问题
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…
一款基于LLM的AI本地文件管理器：llama-fs
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…
ChatTTS：一个专为对话场景设计的语音生成模型
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…
Open-Sora 1.1发布，视频质量提升，生成时长延长至21秒
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…
通过区域性图像编码来提升多模态大模型的感知定位能力：Groma
Groma，这是一个具有视觉感知能力的多模态大型语言模型。Groma能够理解用户指定的区域输入，并将文本输出与图像联系起来。通过将区域标记集成到…