Project Icon

AudioGPT

多功能音频生成与理解平台,支持语音、音乐、音效及虚拟人对话

AudioGPT 是一个多功能音频生成与理解平台,具备语音合成、语音识别、语音分离、风格迁移、声音检测、声音提取、文本到音频转换等功能,还支持音乐生成与虚拟人对话。集成了 FastSpeech、whisper、GeneFace 等多个领先的基础模型,AudioGPT 为开发者提供强大的开源工具和预训练模型,支持多种音频相关任务,不断扩展其功能和应用场景。此平台适合音频处理、自然语言处理及多模态研究的需求。

Pandrator - AI驱动的多语言语音生成和视频配音工具
GithubPandrator开源项目文本处理语音克隆语音合成音频生成
Pandrator是一款开源的多语言语音生成工具,支持将文本、PDF、EPUB和SRT文件转换为语音。该工具集成了语音克隆、LLM文本预处理和AI优化功能,可将生成的音频同步到视频中。Pandrator采用图形界面设计,提供一键安装,操作简便。它利用XTTS、Silero等开源模型实现语音合成,并支持RVC语音增强和NISQA质量评估,为语音生成提供全面解决方案。
gpt2 - 大规模文本生成模型的创新特性
GPT-2GithubHuggingface偏见开源项目文本生成机器学习模型语言模型
这是一款基于Transformer架构的预训练模型,以因果语言建模为目标在大量英文数据上进行自监督学习。它专注于从给定提示生成文本,可用于直接文本生成或针对特定任务的微调。尽管展示了高质量文本生成的能力,该模型可能反映其训练数据中的偏见,使用时需谨慎。这一模型应用广泛,包括文本生成和特征提取等领域。
tango-full - 基于扩散模型的高质量文本到音频生成工具
GithubHuggingfaceTANGO开源项目文本转音频模型深度学习生成式人工智能语音合成
TANGO是一个开源的文本到音频生成工具,基于潜在扩散模型实现。它可根据文本提示生成包括人声、动物声、自然声和人工音效在内的多种逼真音频。TANGO采用Flan-T5作为文本编码器,结合UNet架构的扩散模型进行音频生成,在客观和主观评估中均优于现有技术。该项目提供了完整的模型代码、训练流程和预训练权重,为音频生成研究提供了有力支持。
openai-gpt - 开创性语言模型推动自然语言处理发展
GPTGithubHuggingfaceOpenAI开源项目模型自然语言处理语言模型预训练
OpenAI GPT是基于Transformer架构的开创性语言模型,采用无监督预训练方法。它在文本推理、语义相似度和阅读理解等多项自然语言处理任务中表现优异,为后续GPT系列奠定了基础。该模型使用12层Transformer结构,在BooksCorpus数据集上进行预训练。尽管存在一些限制,OpenAI GPT仍是自然语言处理领域的重要里程碑。
SpoofGPT - 自定义生成式AI回复内容的模拟平台
AI工具AI模仿SpoofGPTUI仿制生成式AI虚假AI工具
SpoofGPT模仿生成式AI工具的界面,允许用户自定义聊天机器人的回复内容。这个平台可用于创建AI相关的创意内容,如模因、短视频等。网站免费使用且无需注册,为用户提供了一个探索和展示各种假想AI互动场景的灵活工具。
ChatGPT-on-WeChat - 快速将ChatGPT功能整合至微信平台
ChatGPTDockerGithubOpenAI APIWeChatWechaty开源项目
该项目实现了ChatGPT功能与微信的无缝集成。基于Wechaty SDK和OpenAI API开发,支持连接GPT-4和GPT-3.5-turbo等多个AI模型。提供本地和云端两种部署方式,操作简便。支持自定义触发关键词、错误回复和模型参数,并可添加自定义任务处理器以扩展机器人功能。项目设置灵活,适用于各类聊天场景。
ai_webui - AI-WEBUI 多功能图像音频视频处理平台
AI-WEBUIAI创作平台Github图像处理开源项目视频处理音频处理
AI-WEBUI是一个开源的通用AI创作平台,集成图像分割、物体追踪、语音识别等基础功能,以及聊天机器人、视频翻译等高级功能。支持ChatGLM2、SAM和Whisper等多种AI模型,可显著提高短视频创作效率。通过简单的界面操作,用户能轻松完成复杂AI任务,适合个人和专业用户使用。
gptscript - 连接大语言模型与多元系统的开源框架
GPTScriptGithubOpenAI大型语言模型开源项目框架系统交互
GPTScript是一个开源框架,旨在促进大语言模型与多样化系统的互动。它支持本地执行文件、OpenAPI应用、SDK库和RAG解决方案等多种系统类型。开发者通过简洁的提示即可实现LLM与本地或远程系统的集成。GPTScript具备多种应用场景,如CLI交互、API调用、文件操作和自动化流程。该框架兼容MacOS、Linux和Windows,安装便捷,为LLM应用开发提供了灵活高效的工具支持。
musicgen-large - 基于文本和音频提示的大规模AI音乐生成模型
GithubHuggingfaceMusicGenTransformer模型人工智能开源项目文本生成音乐模型音频合成
MusicGen-large是Meta AI开发的3.3B参数规模文本到音乐生成模型。该模型采用单阶段自回归Transformer架构和32kHz EnCodec分词器,能根据文本描述或音频提示生成高质量音乐。MusicGen支持文本和旋律引导音乐创作,为AI音乐研究开辟新途径。研究人员可通过Transformers或Audiocraft库使用MusicGen进行音乐生成实验。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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