T2M-GPT

基于Pytorch的从文本描述到人类动作生成的AI技术

T2M-GPT 人体运动生成视觉结果深度学习三维模型 Github 开源项目

T2M-GPT, 领先的AI技术, 通过解析文本生成精准的人类动作，已在2023年IEEE/CVF会议展示认可。包含易用的安装、快速指南及训练评估资料，支持多种3D动作数据集。

文档

Awesome-Text-to-3D - 文本到3D生成技术的最新研究进展概览

3D生成GithubText-to-3D开源项目扩散模型生成式AI神经辐射场

Awesome-Text-to-3D是一个汇集文本到3D和扩散到3D领域最新研究成果的开源项目。它涵盖了从零样本文本引导对象生成到高保真3D人脸生成等多个方向的前沿论文。项目定期更新，并提供教程视频和引用信息，为研究人员和开发者提供了跟踪该领域进展的综合资源。

kan-gpt - 语言建模的生成式预训练转换的 PyTorch 实现

GithubKAN-GPTKolmogorov-Arnold网络PyTorch开源项目生成预训练变换器语言模型

KAN-GPT在PyTorch平台上实现了结合Kolmogorov-Arnold网络的生成式预训练变换器，用于高效的语言模型建设。该项目支持灵活的训练选项和多种数据集，体现了其在自然语言处理领域的广泛应用和成熟技术。KAN-GPT帮助开发者在文本生成和语言建模方面取得突破，进一步提升AI语言技术。

AI-text-to-video-model-from-scratch - 从零开始使用Python构建小规模AI文本生成视频模型

ColabGANGithubOpenAIPythonStability AI开源项目

完整指南教你使用Python从零构建AI文本生成视频模型，详细介绍理论概念、GAN架构、代码实现和训练过程。了解如何在普通硬件上高效训练小规模模型，实现文本到视频的转换。

tango - 利用扩散模型和大语言模型实现先进的文本到音频生成

GithubTango人工智能开源项目文本转音频生成潜在扩散模型音频生成

Tango是一个创新的文本到音频生成模型,结合了潜在扩散模型和大语言模型技术。该模型使用冻结的Flan-T5作为文本编码器,训练UNet扩散模型生成音频。尽管训练数据集较小,Tango的性能仍可媲美最先进模型。Tango 2版本通过在Audio-alpaca数据集上的DPO对齐训练进一步提升了生成质量。项目开源了模型代码和预训练权重,为音频生成研究提供了有价值的资源。

MiniGPT4-video - 提升视频理解的创新多模态语言模型

GithubGoldfishMiniGPT4-Video多模态开源项目视频理解长视频

MiniGPT4-Video项目采用交错视觉-文本标记技术，大幅提升了多模态大语言模型的视频理解能力。该模型在短视频理解方面表现优异，多项基准测试中均优于现有方法。项目还开发了Goldfish框架，专门应对任意长度视频的处理难题，有效解决了长视频理解中的噪声、冗余和计算挑战。这些创新成果为视频分析和理解领域开辟了新的可能性。

GPT4Tools - 大语言模型自学使用多模态工具的创新系统

GPT4ToolsGithub多模态交互大语言模型开源项目自我指导视觉基础模型

GPT4Tools是基于Vicuna (LLaMA)的创新系统,通过71K自建指令数据实现对多个视觉基础模型的智能控制。该系统能自动决策和利用不同视觉模型,实现对话中的图像交互。项目支持通过自我指导和LoRA微调教授大语言模型使用工具,为图像相关需求提供高效解决方案。GPT4Tools的开源性和灵活性使其成为AI研究与应用的重要工具。

AmadeusGPT - 自然语言驱动的动物行为分析工具

AmadeusGPTGithub动物行为开源项目机器学习自然语言接口行为分析

AmadeusGPT是一款创新的自然语言接口，能将动物行为描述转换为可执行代码。该项目运用大型语言模型连接自然语言和行为分析，为研究人员提供无需编程的动物视频数据分析平台。功能涵盖兴趣区域绘制、社交互动分析和多视频查询等。AmadeusGPT简化了行为量化和分析流程，使用户无需深入了解动物行为学或机器学习即可进行复杂分析。

MimicTalk - 在几分钟内快速生成个性化的3D数字人

3D互动头像AI生成GithubMimicTalkReal3D-Portrait开源项目音驱动

MimicTalk提供了一种基于Pytorch的系统，通过短时间内训练生成具个性化和表现力的3D动态面孔。项目基于Real3D-Portrait的研究，利用NeRF框架实现高效头像动画。用户可通过演示页面观看视频示例，并通过项目提供的方法指南进行特定任务操作。该项目提供CLI和Gradio WebUI支持，能够进行针对特定用户的音频驱动动态头像生成，同时确保合法使用和版权保护。

py-gpt - 多功能桌面AI助手，支持多模式与模型集成

DALL-E 3GPT-4GithubLangchainOpenAI APIPyGPT开源项目

PyGPT是一款桌面AI助手，提供与OpenAI语言模型GPT-4、GPT-4 Vision和GPT-3.5的直接互动，并通过Langchain集成其他LLMs。支持对话、生成、辅助和图像处理等多种功能，使用DALL-E 3进行图像生成，利用GPT-4 Vision进行图像分析。支持文件系统操作、Python代码生成和执行、系统命令、电文语音合成和识别，集成微软Azure、Google、Eleven Labs和OpenAI的服务。多模态插件支持，适用于文本交互、系统自动化、日常辅助、视觉应用和代码生成。

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