Project Icon

VideoChat

通过GLM-4-Voice和级联语音方案实现低延迟交互的数字人对话系统

数字人对话系统提供支持实时语音交互的平台,采用GLM-4-Voice结合ASR-LLM-TTS-THG技术,实现低延迟和音色克隆。用户可选择端到端或级联系统,享受3秒首包延迟的优势。项目支持本地部署和多种推理方式,结合FunASR、Qwen和MuseTalk技术,提升视频和语音合成稳定性。该系统为开发者提供灵活高效的语音对话解决方案。

TalkingHead - 实时3D虚拟人物交互与唇形同步系统
3D头像GithubTalkingHeadWebGL唇形同步实时对话开源项目
TalkingHead是一个开源的JavaScript类,用于创建具有实时语音和唇形同步功能的3D虚拟形象。该系统集成了Ready Player Me全身3D头像和Mixamo动画,并支持字幕显示。借助Google Cloud TTS实现文本转语音,TalkingHead还提供英语、芬兰语和立陶宛语的内置唇形同步。通过ThreeJS/WebGL进行3D渲染,开发者可以将其轻松集成到各种网页应用中。
kitt - 使用 LiveKit 与 ChatGPT 实时交谈
AIChatGPTGithubKITT V2LiveKitWebRTC开源项目
KITT V2基于ChatGPT技术,为WebRTC视频会议带来进阶的AI互动。新增代理框架,融合先进语音转文本及文本转语音技术,加强实时互动能力。在线演示已可体验,一探AI通信的前沿科技。
ChatTTS_Speaker - AI语音合成稳定性评估与特征标记工具
ChatTTSGithub声纹识别开源项目稳定性评估音色打标音色评分
ChatTTS_Speaker项目基于ChatTTS开发,专注于AI合成语音的稳定性评估和特征标记。项目利用ERes2NetV2模型对2600个音色进行评分,评估包括长句、多句和单句的稳定性,以及音色的性别、年龄和特征识别。提供音色下载功能和详细的评分参数解释,为AI语音合成研究和应用提供有价值的参考数据。
ChatTTS-Forge - 文本到语音转换平台
API ServerChatTTS-ForgeGithubGradioTTS生成模型WebUI开源项目
ChatTTS-Forge是一个集成API服务和Gradio WebUI的文本到语音转换平台。通过一键Colab启动、Docker部署及本地安装等多样化方式,用户可轻松应用并体验其技术。该项目不仅支持多种语音模型与定制选项,如风格化控制和长文本生成,还适用于多种应用场景,为声音合成、音色调整与语音增强提供了专业的技术支持。
Chatvidio - 智能视频分析平台提供内容摘要和实时互动功能
AI工具AI视频分析Chatvidio企业培训视频互动视频学习工具
Chatvidio是一个基于AI技术的视频内容分析平台,能够快速提取关键信息并生成即时摘要。该平台支持实时互动问答,适用于教育、企业培训和事件分析等多个领域。Chatvidio提供多语言摘要功能和跨平台集成,旨在提升视频学习体验和团队协作效率。作为一个综合性的视频内容智能化解决方案,Chatvidio为用户提供了便捷的视频分析工具,优化学习过程并提高信息共享效率。
llava-onevision-qwen2-72b-ov-chat - 多模态大语言模型支持图像、多图和视频交互
GithubHuggingfaceLLaVA-OneVision人工智能图像处理多模态开源项目模型自然语言处理
llava-onevision-qwen2-72b-ov-chat是一个为聊天场景优化的多模态大语言模型。该模型基于llava-onevision-72b-ov构建,通过迭代DPO训练提升了聊天能力,同时保持了良好的指令遵循能力。模型支持图像、多图和视频交互,在英语和中文方面表现出色。研究显示,其采用的迭代DPO训练方法有效增强了模型的聊天表现。
MuseTalk - 音频驱动的实时高质量唇形同步模型
AI虚拟人GithubMuseTalk实时唇形同步开源项目潜在空间修复音频驱动
MuseTalk是一款实时高质量的音频驱动唇形同步模型,可在NVIDIA Tesla V100上以30fps+的速度运行。该模型能根据输入音频修改未见过的人脸,支持多种语言,并可调整面部区域中心点来影响生成效果。MuseTalk在HDTF数据集上训练,可与MuseV等虚拟人技术结合,为生成具全身动作和交互能力的虚拟人奠定基础。
FastChat - 大语言模型聊天机器人开源训练与部署平台
APIFastChatGithub大语言模型开源平台开源项目聊天机器人
FastChat是一个用于训练、部署和评估基于大语言模型聊天机器人的开源平台。该平台提供先进模型的训练评估代码和分布式多模型服务系统,包含Web界面和OpenAI兼容的RESTful API。FastChat支持Vicuna、LongChat等多种语言模型,提供命令行和Web图形界面。此外,它还具备多GPU并行、CPU推理和模型量化等功能,可适配不同硬件平台。
ChatTTS_colab - 一键部署简易语音合成,支持多种功能
ChatTTSColabGithub分角色朗读开源项目长音频生成音色抽卡
ChatTTS_colab 是基于 ChatTTS 的简易部署项目,支持流式输出、音色抽卡、长音频生成和分角色朗读。通过点击 Colab 按钮即可在浏览器中运行,无需复杂环境配置。项目提供稳定的说话人音色库,可以根据性别和年龄查找适合的音色。提供多个下载链接及详细使用指南,兼容多种操作系统,并附有常见问题解答,方便用户快速上手。
ChatLLM - 基于知识库的多模型集成与自动化对话解决方案
ChatLLMChatOCRChatPDFGithubLLMOpenaiEcosystem开源项目
ChatLLM通过知识库支持,实现对多种大模型和文档格式的智能对话。该开源项目提供API分发系统,兼容多个LLM,并支持Openai生态。项目还包括ChatOCR、ChatMind、ChatPDF等模块,便于部署与集成。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号