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。

dreamshaper-7 - 支持写实与动漫风格的Stable Diffusion图像生成模型

DreamshaperGithubHuggingfaceStable Diffusion人工智能图像生成开源项目模型深度学习

Dreamshaper-7是基于stable-diffusion-v1-5改进的图像生成模型。作为第7代版本，该模型增强了LoRA支持性能，优化了写实和动漫风格的生成效果，并改进了NSFW内容处理。模型采用Diffusers框架，支持文本生成图像功能，便于开发者快速部署应用。与早期版本相比，新版本在图像多样性和质量方面得到提升。

blended-diffusion - 使用自然语言进行图像局部编辑的工具

Blended DiffusionCLIPDDPMGithub图像编辑开源项目自然语言描述

Blended Diffusion 是一种利用自然语言和ROI掩模进行图像局部编辑的工具。结合了CLIP预训练语言-图像模型和DDPM去噪扩散模型，实现了高效的自然图像编辑。它可以保持背景完整，并无缝融合编辑区域，减少对抗性结果。功能包括新增物体、移除/替换/改变现有物体、背景替换和图像外推。相关代码和模型已开放下载，供用户探索。

Awesome-Video-Diffusion-Models - 视频扩散模型研究进展与开源资源综述

Github开源工具箱开源项目数据集文本到视频生成视频生成模型评估指标

本文综述了视频扩散模型领域的研究进展和开源资源。内容包括最新工具箱、基础模型、数据集和评估指标,涵盖文本到视频生成、视频编辑和理解等多个方向。文章系统梳理了该领域的关键技术和资源,为研究人员和开发者提供全面参考,有助于推动视频生成和处理技术的发展。

Expressive-FastSpeech2 - 非自回归表情文本到语音合成技术

Expressive-FastSpeech2Github多语言支持对话TTS开源项目情感TTS非自回归TTS

Expressive-FastSpeech2是一个非自回归表情文本到语音（TTS）的研究项目，专注于emotional和conversational TTS。该项目使用AIHub多模态视频AI数据和IEMOCAP数据库进行韩语和英语的处理，并提供了不同语言适应和数据处理的指导。

blended-latent-diffusion - 快速高精度的局部文本引导图像编辑技术

Blended Latent DiffusionGithubSIGGRAPH 2023图像生成开源项目扩散模型文本驱动编辑

Blended Latent Diffusion是一种创新的局部文本引导图像编辑技术。该方法在低维潜在空间中操作，显著提高了编辑效率。通过融合扩散技术和优化策略，它解决了图像重建精度问题，并支持细微区域的局部编辑。与现有方法相比，Blended Latent Diffusion不仅处理速度更快，还实现了更高的编辑精度，同时减少了常见的图像伪影。该技术可应用于背景编辑、文本生成和对象修改等多个领域。

AniTalker - 面部动画生成技术通过解耦身份和运动编码实现多样化表现

AI绘图AniTalkerGithub人脸动画开源项目深度学习语音驱动

AniTalker是一个面部动画生成项目，通过解耦身份和面部运动编码实现多样化的说话面部动画。该技术根据音频和图像生成说话头像，支持控制头部姿态、位置和缩放。项目提供多个预训练模型，包括基于Hubert和MFCC的音频特征提取，适用于不同场景。AniTalker为创作和研究提供了生成说话面部动画的工具。

UDiffText - 基于字符级扩散模型的高质量图像文本合成框架

GithubUDiffText图像生成字符级编码开源项目扩散模型文本合成

UDiffText是一个基于字符级扩散模型的文本合成框架，能在任意图像中生成高质量文本。该框架适用于合成和真实图像，可进行场景文本编辑、任意文本生成和精确的文本到图像生成。项目包含完整的训练和评估流程，支持LAION-OCR、ICDAR13等多个数据集。UDiffText为文本合成和图像处理领域提供了新的解决方案。

XXMix_9realistic_v1 - 基于diffusers的高质文本到图像转换模型

GithubHuggingfacestable-diffusionstable-diffusion-diffuserstext-to-image头像开源项目模型模型信息

该项目利用stable-diffusion和diffusers技术，将文本转换为逼真的图像，展现动态光影效果，同时融入多位知名艺术家的风格，提供丰富的视觉体验。

365 - 基于ReVAnimated和Liberte Redmond模型的高级文图生成技术

GithubHuggingfacediffusers人工智能动画图像生成开源项目模型稳态扩散

项目结合ReVAnimated和Liberte Redmond模型，拓展文图生成技术。支持多种风格如写实、动漫和卡通，适合多样创意应用。采用diffusers库及Incredible World VAE，保障高质量输出，为创意表达提供新动力。

SenseVoice - 高效、多语种语音识别与情绪识别技术平台

GithubSenseVoice多语言语音识别开源项目情绪识别推理效率热门音频事件检测

SenseVoice是一款支持多语言的语音解析模型，整合了自动语音识别、语种识别、情绪识别及音频事件检测功能。该项目采用非自回归端到端框架，可在超过50种语言上提供精准的语音识别服务，大幅降低了推理延迟，提供方便的微调脚本和多语种细粒度情绪分析，支持多种客户端语言和服务部署，适用于多种商业场景。

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