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。

InstanceDiffusion - 实现精确实例级图像生成控制的突破性方法

GithubInstanceDiffusion图像生成实例级控制开源项目文本到图像条件生成

InstanceDiffusion为文本到图像的扩散模型引入精确的实例级控制。该技术支持每个实例的自由语言条件，可灵活指定实例位置，包括单点、涂鸦、边界框和实例分割掩码。相比现有技术，InstanceDiffusion在框输入的AP50上提升2.0倍，掩码输入的IoU提高1.7倍，为图像生成和编辑领域带来新的可能性。

HunyuanDiT-v1.2-Diffusers - 基于多分辨率扩散技术的中文图像生成模型

GithubHuggingfaceHunyuanDiT中文理解人工智能图像生成多分辨率开源项目模型

HunyuanDiT-v1.2-Diffusers是一个开源的文本到图像生成模型，基于多分辨率Diffusion Transformer架构实现中英文文本理解。模型在文本-图像一致性、AI伪影控制、主体清晰度和美学评分等维度进行了测试评估，支持长文本输入和中国文化元素理解，可用于多样化的图像生成场景。

speech-resynthesis - 基于离散解耦自监督表示的语音重合成技术

Github开源项目自监督学习表示学习语音合成语音编码语音重合成

该项目开发了一种新型语音重合成方法，采用自监督学习的离散表示技术，分别提取语音内容、韵律信息和说话人特征。这种方法实现了可控的语音合成，在重建质量和特征解耦方面表现优异。此外，该技术还可应用于超轻量级语音编解码，以365比特/秒的低比特率提供高质量语音输出。项目提供完整的训练和推理流程，兼容多种数据集和自监督学习方法。

giffusion - 基于Stable Diffusion的高级AI动画生成工具

GIFfusionGithubStable Diffusion关键帧动画制作开源项目生成式AI

GIFfusion是一款基于Stable Diffusion的Web UI工具,专门用于生成GIF和视频动画。该工具支持图像、音频和视频等多种媒体输入,并提供关键帧插值、动画控制和一致性优化等功能。GIFfusion还具备会话管理、自定义管道和提示词权重等高级特性,有助于创建高质量的AI生成动画。这个开源项目适合各类创意工作者和AI动画爱好者使用。

zero123-xl-diffusers - 基于单张图像的零样本3D对象生成模型

GithubHuggingfaceZero-1-to-3偏见安全模块开源项目模型生成模型研究用途

zero123-xl-diffusers是一个开源的3D对象生成模型，通过零样本学习技术将单张图像转换为3D对象。模型基于Stable Diffusion架构，使用Objaverse数据集训练，主要应用于研究、教育和艺术创作领域。模型集成了安全检查功能，可有效过滤不当内容。目前在文字渲染和人脸生成方面仍有待改进，但为3D内容创作提供了新的技术方案。

seamless_communication - AI多语言实时表情语音翻译系统

AI模型GithubSeamless多语言翻译实时翻译开源项目语音翻译

Seamless Communication项目开发了一系列AI模型，包括SeamlessM4T、SeamlessExpressive和SeamlessStreaming，支持近100种语言的多模态、实时和富有表现力的翻译。该项目通过开源工具和数据集，为研究人员和开发者提供了强大的序列建模组件，推动了更自然、真实的跨语言交流技术发展。

Awesome-Talking-Head-Synthesis - 最新音频驱动和神经辐射场技术在数字人头像生成中的应用

3DGithubNeRFTalking Head Synthesis开源项目数据集音频驱动

这个项目收集了生成对抗网络(GANs)和神经辐射场(NeRF)在说话头合成领域的相关研究。内容包括图像和音频驱动的说话头生成技术、数据集、研究综述和代表性工作。从2D到3D、单模态到多模态,项目全面展示了说话头生成的技术发展,为相关研究提供参考资料。

SurfD - 利用扩散模型生成任意拓扑结构的高质量3D表面

3D建模GithubSurf-D开源项目扩散模型深度学习表面生成

Surf-D是一种新型3D形状生成方法，通过扩散模型生成具有任意拓扑结构的高质量表面。它采用无符号距离场(UDF)表示表面，并使用基于点的自动编码器学习紧凑的潜在空间。该方法在无条件生成、类别条件生成、图像条件生成和文本到形状等任务中表现优异，为多模态3D内容创作提供了新的可能性。

Ghibli-Diffusion - 基于Stable Diffusion的吉卜力风格AI绘画模型助力创作动画电影般艺术作品

Ghibli-DiffusionGithubHuggingfaceStable Diffusion人工智能绘画动画风格图像生成开源项目模型

Ghibli-Diffusion是一款基于Stable Diffusion并经吉卜力动画风格训练的AI模型。通过在提示词中添加'ghibli style'，可生成具有吉卜力特色艺术风格的图像。该模型支持人物、动物、汽车和风景等多种场景创作，基于diffusers框架开发，采用CreativeML OpenRAIL-M开源协议。开发者可通过Python调用，快速生成高质量的吉卜力风格插画。

Bert-VITS2-ext - 实现声音到脸部表情的同步生成的TTS及声音识别的应用

Bert-VITS2GithubTTS开源项目数据预处理表情生成音频质量

Bert-VITS2-ext 专注于TTS及声音识别的创新应用，实现声音到脸部表情的同步生成。该技术结合VITS，支持多语言，适用于复杂交互场景，为动画与虚拟互动领域开辟新可能。

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。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com