开源项目

根据您的请求，以下是关于端到端的社会视觉-语言-动作建模框架SOLAMI的详细介绍： SOLAMI的推出标志着视觉-语言-动作模型在社会交互领域的新进展，为3D自主角色的社交智能提供了新的解决方案。 项目地址： https://solami-ai.github.io

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。这项技术的核心创新在于利用视频和文本输入生成同步音频，从而拓展了音频生成的应用场景。MMAudio的设计使其能够在各种视听和音频文本数据集上进行训练，这种多模态联合训练的方式，不仅提高了合成音频的质量，还确保了生成的音频与视频帧之间的同步。 MMA…

HelloMeme 是一个开源工具，它集成了空间编织注意力机制，专注于生成高保真图像和视频内容，尤其是表情克隆技术。这项技术基于SD1.5架构，支持ComfyUI界面，用户可以通过简单的操作将一张图片的表情迁移到另一张图片或视频上，生成效果超越了同类工具。以下是HelloMeme的一些核心功能和特点： HelloMeme的出现，不仅提升了AI生成视频的稳定性与自然度，还可能对娱…

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芯片的力量】 Exo Labs利用Apple M4芯片，在本地计算集群上成功运行开源AI模型，这意味着我们可以告别昂贵的NVIDIA GPU，用我们手头的设备就能搞定！ 💼【成本与隐私】 本地运行AI模型不仅降低了成本，还提高了隐私安全，再也…

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，让你的穿搭选择更简单、更直观！ 👚【时尚新体验】 Fashion-VDM技术，让你在选择衣物时不再犹豫。只需上传一张你的照片和想要试穿的衣物图片，系统就能生成一段视频，展示你穿上这件衣物的样子，让你在购买前就能预见穿搭效果。 📱【操作…

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。 项目地址： https://generative-video-camera-controls.github.io

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、图案、材质、风格等细节）快速生成相应的服装设计图。这款工具的强大之处在于其灵活的输入格式和丰富的时尚知识库，使得用户可以充分发挥创意，描述出心目中的理想服装。 例如，如果用户输入“一件森林绿色缎面连身裤，宽腿，金色植物印花，系着米白色…

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VQA模型评估生成图像，提供简单有效的评估方法，并推出GenAI-Bench基准测试，挑战现有生成模型。 项目地址： https://linzhiqiu.github.io/papers/vqascore

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“Training-free Regional Prompting for Diffusion Transformers”的项目，这个项目的核心是一个无需训练的区域提示方法，用于扩散变换（Diffusion Transformers）模型。这…

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。这种低延迟的特性极大地提升了实时对话的体验，使得人与机器之间的交流更加流畅和自然。例如，在客户支持场景中，用户可以更快地得到回应，提高服务效率；在智能家居环境中，设备的响应速度更快，增强了用户的使用感受。 地址： https://si.i…