Project Icon

FreeNoise

通过噪声重新调度实现无调谐的更长视频传播

FreeNoise是一种基于噪声重调的无调参长视频生成方法,不需要调参,仅需增加不到20%的时间即可实现高质量、长时间视频生成,支持多达512帧。该方法兼容VideoCrafter2、AnimateDiff和LaVie等视频框架,支持单一和多提示词的文本转视频生成,最新支持256x256分辨率。详情请参见项目页面和arXiv论文。

ShareGPT4Video - 通过字幕提高视频理解和生成
AI模型GithubShareGPT4Video开源项目视频字幕视频理解视频生成
ShareGPT4Video项目通过应用高精度字幕显著提升视频理解与生成的效果。该项目提供功能强大的文本至视频模型,支持多种视频时长和分辨率,并设有两种优化效率与质量的推断模式。该项目的目标是通过高质量视频字幕数据集改善文本到视频的转换效果,从而提升大型视频语言模型的理解能力。
MotionDirector - 自定义文本到视频模型的动作生成
AI视频生成GithubMotionDirector开源项目扩散模型文本到视频运动定制
MotionDirector是一款文本到视频扩散模型定制工具,可根据视频样本学习特定动作概念并应用于视频生成。该工具支持单个或多个参考视频,能准确捕捉动作特征,实现外观和动作的同步定制。此外,MotionDirector还具备图像动画和电影镜头效果功能,为AI视频创作提供更多可能性。
SpecVQGAN - 使用视觉提示生成高保真声音的方法
GithubSpecVQGANTransformer代码本声谱图开源项目训练模型
SpecVQGAN项目提出了一种利用视觉提示生成声音的方法。通过将训练数据集缩小到一组代表向量(代码本),这些代码本向量可被控地进行采样,从而根据视觉提示生成新声音。项目使用VQGAN的训练方法在频谱图上训练代码本,并通过GPT-2变体的transformer在视觉特征条件下自回归地采样代码本条目。这种方法可以生成长时间、相关且高保真的声音,并支持多种数据类别。
videollm-online - 流式视频实时理解与交互的先进模型
GithubVideoLLM-online大语言模型实时交互开源项目流媒体视频视频处理
VideoLLM-online是一款针对流媒体视频的在线大语言模型。该模型支持视频流实时交互,可主动更新响应,如记录活动变化和提供实时指导。项目通过创新的数据合成方法将离线注释转化为流式对话数据,并采用并行化推理技术实现高速处理,在A100 GPU上处理速度可达10-15 FPS。VideoLLM-online在在线和离线环境中均表现出色,能高效处理长达10分钟的视频,为视频理解与交互领域带来新的可能性。
latentblending - 基于AI的高效视频场景过渡技术
AI生成GithubLatent blendingSDXLStable Diffusion开源项目视频转场
LatentBlending 是一种基于 Stable Diffusion XL 的视频过渡技术,能够在几秒钟内生成不同场景之间的平滑转换效果。该技术通过混合中间潜在表示来实现无缝过渡,支持高分辨率自定义。最新版本集成了 SDXL Turbo,进一步提升了生成速度。项目提供 Python 接口和 Gradio UI,便于开发者和用户快速应用和测试。
colorednoise - 生成任意指数幂律谱高斯分布噪声的Python库
GithubPythoncolorednoise.py功率谱噪声生成开源项目高斯分布
colorednoise是一个基于Python的开源库,用于生成具有任意指数幂律谱的高斯分布噪声。该库可产生布朗噪声、粉红噪声等多种类型噪声,适用于信号处理和模拟研究。基于Timmer和Koenig的算法实现,colorednoise支持Python 3.6.15及以上版本,依赖NumPy库。通过简单的API,用户可以生成单个或多个时间序列的噪声,还支持设置最小频率以生成断裂幂律谱。
Auto-YouTube-Shorts-Maker - 自动化的YouTube短视频制作与编辑脚本
Auto Youtube Shorts MakerGithubYouTube免费的开源项目自动化视频生成
该开源脚本可自动生成和编辑YouTube短视频,包括语音生成和视频剪辑,显著简化制作过程。只需运行脚本并提供视频名称,其余步骤由AI自动处理,节省时间与精力,而且完全免费。
AsyncDiff - 通过异步去噪实现扩散模型并行加速
AsyncDiffGithub加速推理开源项目异步去噪扩散模型模型并行
AsyncDiff是一种创新的扩散模型加速方案,通过将模型分割并在多设备上异步并行处理来提高效率。这种方法巧妙利用了扩散步骤间的相似性,将顺序去噪转变为异步过程,有效打破了组件间的依赖关系。AsyncDiff不仅大幅降低了推理时间,还保持了生成质量。目前已支持Stable Diffusion、ControlNet和AnimateDiff等多种主流扩散模型。
stable-video-diffusion.com - Stable Video Diffusion,创新的图像转视频技术
AI工具AI视频生成Stable Video Diffusion图像转视频开源模型生成式AI
stable-video-diffusion.com介绍了Stable Video Diffusion技术,这是一种新型的图像到视频转换方法。网站详细说明了SVD和SVD-XT两种模型的特点和应用,包括它们的分辨率、帧数和帧率。作为研究预览版本,该技术主要用于教育和创意领域。网站还讨论了这项技术在广告、教育和娱乐行业的潜在应用,以及当前的技术限制。作为开源项目,网站鼓励开发者参与,推动视频生成技术的进步。
ddpm-ema-celebahq-256 - 无条件图像生成的高效去噪扩散模型
CIFAR10DDPMGithubHuggingfaceProgressiveGAN噪声调度器图像合成开源项目模型
项目通过去噪扩散概率模型实现高质量无条件图像生成,结合无平衡态热力学概念,在CIFAR10和256x256 LSUN数据集上取得了优异的Inception和FID评分。用户可以灵活选择噪声调度器以平衡生成质量与速度,该模型也支持渐进式无损压缩,作为自动回归解码的推广。详情请参照官方推理与训练示例。
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