DiffSHEG

基于扩散模型的实时语音驱动3D表情和手势生成技术

DiffSHEG 语音驱动生成 3D表情和手势实时生成扩散模型 Github 开源项目

DiffSHEG是一种基于扩散模型的实时语音驱动3D表情和手势生成技术。该方法能够生成与语音同步的全息3D表情和手势，适用于不同长度的语音输入。DiffSHEG为虚拟人物动画和人机交互领域提供了新的解决方案，有助于创建更具表现力的虚拟角色。

Collaborative-Diffusion - 多模态控制的面部生成与编辑，协作扩散模型

CVPR 2023Collaborative DiffusionGithubMMLab@NTU多模态脸部生成开源项目脸部编辑

Collaborative Diffusion项目展示了如何通过多模态控制生成和编辑面部图像，保证生成结果与输入条件一致。该项目使用动态扩散器在每一步选择性处理不同模态，确保身份信息的准确性。最新更新包括对FreeU的支持、单模态面部生成推理脚本，以及适用于不同分辨率的模型训练和推理代码，满足多样化应用需求。

StreamMultiDiffusion - 基于区域语义控制的实时交互式图像生成

GithubStable Diffusion 3StreamMultiDiffusion实时生成开源项目文本到图像语义控制

StreamMultiDiffusion 提供基于区域语义控制的实时交互式图像生成。该项目支持细粒度区域控制、分离提示和实时图像修复，能够显著降低生成延迟，适用于大尺寸图像的高效创作及全景生成等应用。

DiffSynth-Studio - 多功能扩散模型引擎支持长视频合成与图像生成

AI绘画DiffSynth StudioGithub图像合成开源项目扩散模型视频生成

DiffSynth Studio是一款开源的扩散模型引擎，整合了ExVideo、Stable Diffusion 3和Kolors等多种AI模型。该引擎支持长视频合成、高分辨率图像生成、卡通渲染和视频风格化等功能。项目持续更新，重点探索扩散模型在视频合成领域的应用潜力。

mvdream-sd2.1-diffusers - 基于多视图扩散的开源3D生成模型框架

3D生成DiffusersGithubHuggingfaceMVDream人工智能多视角扩散开源项目模型

MVDream-sd2.1-diffusers是一个开源的3D内容生成框架，基于多视图扩散技术。该项目将MVDream模型移植到Diffusers库中，实现了多视角3D生成功能。通过文本提示，用户可以创建高质量的3D模型，适用于创意设计和虚拟内容制作。项目在GitHub上提供示例代码，方便快速上手。框架设计时考虑了伦理因素，避免生成具有敌意或冒犯性的内容。

Diff-HierVC - 分层扩散模型实现高质量零样本语音转换

Diff-HierVCGithub开源项目扩散模型语音转换零样本说话人适应音高生成

Diff-HierVC是一种分层语音转换系统，采用DiffPitch和DiffVoice两个扩散模型。DiffPitch生成目标音高，DiffVoice转换语音风格。系统还使用源滤波器编码器和掩蔽先验技术，提高语音风格迁移和说话人适应能力。在零样本语音转换中，Diff-HierVC实现0.83%字错率和3.29%等错率，展现出色的音高生成和语音风格迁移性能。

StyleAvatar3D - 创新3D头像生成技术融合图像文本扩散模型

3D头像生成GithubStyleAvatar3D图像文本扩散模型多视图图像开源项目生成对抗网络

StyleAvatar3D是一种新型3D头像生成方法，结合预训练图像文本扩散模型和GAN技术。该方法利用扩散模型先验知识生成多视角、高质量、多样化头像图像，通过特殊判别器和提示词技术解决数据不对齐问题。项目还开发了潜在扩散模型，可基于输入图像生成头像。StyleAvatar3D在视觉质量和多样性方面优于现有技术。

diffusion-rig - 基于个性化先验的人脸外观编辑技术

DiffusionRigGithub个性化先验人脸编辑开源项目扩散模型计算机视觉

DiffusionRig是一个基于扩散模型和3D面部重建的人脸外观编辑项目。它通过学习个性化先验知识，实现了对光照、表情和头部姿势等属性的精准调整，同时保持身份特征。该项目首先在FFHQ数据集上训练通用模型，然后可快速适应个人照片集。DiffusionRig为人像编辑和虚拟试妆等应用提供了新的技术方案。

EDTalk - 高效解耦的情感说话头像合成框架

EDTalkGithub人脸动画开源项目情感说话头合成视频驱动音频驱动

EDTalk是一个创新的情感说话头像合成框架,实现了口型、头部姿势和情感表情的高效解耦。该框架通过三个轻量级模块将面部动态分解为独立的潜在空间,使用可学习的基向量定义特定动作。EDTalk采用正交基向量和高效训练策略确保各组件的独立性,并开发了音频到动作模块支持音频驱动的头像合成。这一技术在视频和音频输入下都能实现精确的情感说话头像生成。

Live2Diff - 革新视频扩散模型的实时流翻译技术

AI模型GithubLive2Diff实时流处理开源项目扩散模型视频翻译

Live2Diff是一款基于视频扩散模型的实时流翻译工具。该项目采用单向时间注意力机制，结合多时间步KV缓存和深度先验技术，实现高效的视频处理。支持DreamBooth和LoRA风格迁移，并通过TensorRT优化性能。在512x512分辨率下，处理速度可达16.43 FPS，为实时视频翻译领域提供了新的技术方案。

DiffSketcher - 基于文本生成高质量矢量草图的新方法

AI绘图DiffSketcherGithub向量草图合成开源项目文本引导潜在扩散模型

DiffSketcher是一个基于潜在扩散模型的文本引导矢量草图合成项目。它可以根据文本描述生成高质量的矢量草图,支持素描、油画和彩色图像等多种风格。该项目提供灵活的参数配置,如调整笔画数量和迭代次数,并支持与风格迁移技术结合。DiffSketcher为艺术创作和图像生成领域提供了新的可能性。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com