#高保真
hifi-gan
HiFi-GAN是一个开源项目,基于GAN技术,提供高保真且高效的语音合成解决方案。它不仅提供预训练模型,还能适应多种语音数据集,并支持灵活的配置选项。欢迎访问官方演示网站体验语音样本。
Make-It-3D
Make-It-3D项目利用训练良好的2D扩散模型,从单个图像生成高质量3D内容。方法采用两阶段优化流程,先优化神经辐射场整合正视图和新视角的扩散先验,后将粗略模型转化为纹理点云并提升现实感。实验显示,该方法在视觉质量和重建准确性上大幅领先,并支持文本到3D创建和纹理编辑等应用。
Instant-angelo
Instant-angelo项目旨在在20分钟内实现高保真的数字孪生三维重建,特别适合移动设备捕获的RGB视频。通过使用UniSDF等技术,能够逼真地重建反射物体。项目支持平滑和细节重建模式,分别适用于简单和复杂表面。提供详细的安装和数据准备指南,并支持自定义数据集。了解如何高效地完成高质量神经表面的重建,体验快速稳定的三维模型生成。
AudioDec
AudioDec项目开发了一种流式高保真神经音频编解码器,可以12.8 kbps的比特率处理48 kHz单声道语音。该编解码器在GPU上解码延迟约6毫秒,CPU上约10毫秒。项目采用两阶段训练方法,利用预训练模型可快速为新应用训练编码器。AudioDec在压缩率、延迟和重建质量方面均表现优异,适用于实时通信等场景。