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。

AudioLCM - 基于潜在一致性模型的文本到音频生成系统
AudioLCMGithub开源实现开源项目文本生成音频潜在一致性模型高质量音频生成
AudioLCM是一个开源的文本到音频生成系统,基于潜在一致性模型。该项目提供完整实现代码和预训练模型,支持高效生成高质量音频内容。AudioLCM在ACM-MM'24会议被接受,并在GitHub和HuggingFace平台发布。研究人员可使用预训练模型进行推理,或按指南准备数据集训练自定义模型。项目还包含数据集处理、变分自编码器训练等功能。
awesome-chatgpt - 人工智能对话机器人的综合平台
ChatGPTGithub人工智能应用开源项目浏览器扩展热门网络应用
awesome-chatgpt是一个全面的人工智能聊天机器人项目,包含丰富的应用程序、Web应用、浏览器扩展和CLI工具,支持跨平台操作。项目涵盖从简化版本的ChatGPT客户端到集成多功能插件和外部资源的高级用户界面。此外,还有多种托管和自托管解决方案可供选择,允许用户针对特定需求进行个性化和优化设置。项目旨在通过创新工具和扩展使用户能更高效、便捷地与ChatGPT互动,推动人工智能技术的广泛应用。
smartgpt - 为 LLM 提供使用插件完成复杂任务的能力
AutoGPTGPT-4GithubSmartGPT内存管理开源项目插件系统
SmartGPT是一种实验性项目,通过模块化和插件系统支持,将GPT-3.5和GPT-4用于自动完成复杂任务。其特点包括自动配置、动态执行和静态工具链。虽然在生态系统和内存管理方面有一些限制,但SmartGPT正在探索并推动大型语言模型的最大潜力。适合对AI创新感兴趣的开发者。
chatgpt-universe - 了解OpenAI GPT和ChatGPT的资源和应用
APIChatGPTGPT-3.5 TurboGPT-4GithubOpenAI开源项目
此项目汇集了关于ChatGPT和GPT模型的多种资源,包括教程、实例、工具和社区讨论,帮助用户深入了解和应用这些AI技术。项目内容涵盖从GPT-3.5到GPT-4的信息、创意实验和使用案例,适合开发者、研究者及AI爱好者。
TheStoryGPT - 交互式AI故事生成与沉浸体验平台
AI工具AI故事生成器TheStoryGPT交互式故事付费计划语音叙述
TheStoryGPT是一个AI驱动的故事生成平台,提供沉浸式交互体验。创作者可利用AI技术编写分享互动故事,读者通过选择影响剧情,创造个性化叙事。平台提供高质量音频体验,可选择不同叙述者。适合故事爱好者和创作者,打造了充满想象力和互动性的社区,释放讲故事潜力。
VideoGPT-plus - 双编码器融合提升视频理解能力
GithubVideoGPT+人工智能多模态模型开源项目视频对话视频理解
VideoGPT+是一个创新的视频对话模型,通过集成图像和视频编码器,实现了更精细的空间理解和全局时间上下文分析。模型采用自适应池化技术处理双编码器特征,大幅提升了视频基准测试性能。项目同时推出VCG+ 112K数据集和VCGBench-Diverse基准,为视频对话任务提供全面评估。VideoGPT+在空间理解、推理和视频问答等多项任务中表现优异。
stable-audio-open-1.0 - 开源文本转音频模型支持44.1kHz立体声和最长47秒音频生成
GithubHuggingfaceStable Audio Open 1.0人工智能开源项目机器学习模型音乐创作音频生成
Stable Audio Open 1.0是Stability AI推出的开源音频生成模型,通过自编码器、T5文本嵌入和DiT扩散模型架构,将文本转换为最长47秒的44.1kHz立体声音频。模型基于48万条音频数据训练,在音效和环境音生成方面表现突出,支持stable-audio-tools和diffusers两种调用方式。现阶段仅支持英文提示词输入,不具备人声生成能力。
wechatgpt - 基于OpenAI的微信机器人 支持多模态对话及图片生成
GithubOpenAIwechatgpt多模态对话开源项目微信智能机器人
wechatgpt是一个基于OpenAI API的微信机器人项目,支持多模态对话。主要功能包括图片识别回复和AI图片生成。项目采用Docker部署,配置简单。此外还提供自定义触发词和白名单等功能,增强了使用灵活性。
DiffusionGPT - LLM驱动的多功能文本转图像生成系统
DiffusionGPTGithub人工智能图像生成大语言模型开源项目文本生成图像
DiffusionGPT是一个利用大型语言模型(LLM)的文本到图像生成系统。该系统能适应多种类型的提示,并整合专业领域模型。DiffusionGPT通过LLM技术,提供了一个统一的生成平台,可处理多样化的输入并生成图像。项目提供开源代码、在线演示和使用指南,方便研究人员和开发者进行实验和应用。
nnAudio - 基于PyTorch的快速GPU音频处理工具箱
GPUGithubPyTorchnnAudio开源项目音频处理频谱图
nnAudio是一款基于PyTorch的音频处理工具箱,利用卷积神经网络实现实时频谱图生成和傅里叶核心训练。它具备跨平台兼容性、可训练性和可微分性,支持STFT、梅尔频谱、MFCC、CQT等多种音频处理功能。相比传统工具,nnAudio在GPU上提供更高效的音频分析和处理方案。
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