Logo
Project Icon

SadTalker

将单张肖像图片与音频结合生成逼真的动态说话视频

SadTalkerAI动画人脸合成语音驱动深度学习Github开源项目

SadTalker是一个开源AI项目，可将单张肖像图片与音频结合生成逼真的动态说话视频。项目采用3D运动系数学习技术，实现音频驱动的单图像说话人脸动画。SadTalker支持全身图像生成和多种增强模式，并提供WebUI界面。该技术可应用于内容创作、虚拟主播等领域。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
IP_LAP - 基于身份保持的说话人脸生成新方法
CVPR 2023Github开源项目深度学习计算机视觉说话人脸生成身份保持
IP_LAP (Identity-Preserving Talking Face Generation with Landmark and Appearance Priors) 项目提出新型说话人脸生成方法，结合地标和外观先验实现身份保持。该技术在CVPR 2023发表，开源代码和预训练模型。研究团队使用LRS2数据集和PyTorch框架，在身份一致性和自然表情生成方面取得进展。
PhotoMaker - AI逼真人像照片定制生成工具
AI绘图GithubPhotoMakerStable Diffusion图像生成开源项目自定义人像
PhotoMaker是一款创新的AI图像生成工具,能在几秒内定制生成高度逼真的人像照片。它保持了优秀的身份保真度,同时兼顾多样性和高质量输出。作为适配器,PhotoMaker可与其他基础模型和LoRA模块无缝协作。该工具支持真实照片和风格化生成,为创作提供灵活空间。PhotoMaker操作简单,无需额外训练即可实现个性化,为AI驱动的图像生成领域带来积极影响。
AI-Waifu-Vtuber - 多语言虚拟助手与VTuber开源技术
AI Waifu VtuberDeepLGithubSeliro TTSVoiceVoxVtubeStudio开源项目
AI Waifu Vtuber & Assistant项目集合多种技术如VoiceVox、DeepL和Whisper OpenAI，支持多语言TTS功能，并提供Twitch直播支持。其支持语言包括日语、英语、俄语和西班牙语等，适合多种应用场景。
Viggle AI Video Generator - AI角色动画生成工具，静态图像到动态视频的转换
AI动画AI工具DiscordViggle AI视频生成器角色动画
Viggle AI Video Generator是一款创新的AI视频生成工具，能够将静态角色图像转换为动态视频。通过Discord平台，用户可使用/mix和/animate等命令创建自定义动作视频。这一工具广泛应用于游戏、艺术、创意、音乐、舞蹈和体育等领域。用户只需上传清晰的角色图像并描述所需动作，即可生成相应的视频内容。虽然目前没有独立的移动应用，但用户可以通过手机上的Discord使用该服务，为内容创作提供便利。
ChatTTS - 高质量中英文对话场景文本转语音模型
AI工具ChatTTS多语言支持对话场景开源模型语音合成
ChatTTS是专注于对话场景的语音生成模型，支持中英双语。经过约10万小时的数据训练，该模型能生成高质量、自然的语音，适用于大型语言模型助手的对话任务和会话式音视频制作。项目团队计划开源基础模型，推动相关研究发展。ChatTTS具有多语言支持和易用性，为开发者和研究人员提供了便捷的文本转语音解决方案。
Deep Nostalgia AI - AI技术赋予老照片新生命
AI动画AI工具Deep Nostalgia AI人脸动画老照片视频生成
Deep Nostalgia AI是一款创新人工智能工具，将静态老照片转化为动态视频。通过机器学习算法，该工具能快速生成自然的面部动画，包括表情和头部移动。它保留原始照片特征，为用户提供新颖方式重温珍贵回忆。无论是家庭照片还是历史图像，Deep Nostalgia AI都能为其增添生动效果，呈现独特视觉体验。
Make-An-Audio - 将文本转换为高保真音频的开源扩散模型
GithubMake-An-Audio人工智能开源项目扩散模型文本转音频音频生成
Make-An-Audio是一个开源的文本到音频生成项目，基于条件扩散概率模型。该项目能够从文本等多种模态生成高保真音频，支持文本到音频、音频到音频等多种任务。项目提供了预训练模型和简单的命令行操作，方便用户生成自定义音频。此外，项目还包含了详细的训练和评估流程，以及与其他模型的性能比较。
AudioGPT - 多功能音频生成与理解平台，支持语音、音乐、音效及虚拟人对话
AudioGPTGithub开源项目语音增强语音识别音乐生成音频合成
AudioGPT 是一个多功能音频生成与理解平台，具备语音合成、语音识别、语音分离、风格迁移、声音检测、声音提取、文本到音频转换等功能，还支持音乐生成与虚拟人对话。集成了 FastSpeech、whisper、GeneFace 等多个领先的基础模型，AudioGPT 为开发者提供强大的开源工具和预训练模型，支持多种音频相关任务，不断扩展其功能和应用场景。此平台适合音频处理、自然语言处理及多模态研究的需求。
Deepshot - 革新AI对话生成技术 打造专业视频内容
AI工具AI绘图Deepshot内容创作对话生成视频编辑
Deepshot是一款创新的AI对话生成和替换软件，提供强大的视频编辑工具。它能生成完美同步的音频和视频，适用于多种场景。用户通过直观的配置文件可快速生成内容，实现创意视觉。该软件支持多语言翻译、内容创作、错误修正和A/B测试，有助于突破语言障碍，提高内容创作效率。Deepshot为用户提供了专业视频制作的全新解决方案，简化了创作流程。
Chat-Haruhi-Suzumiya - 大型语言模型实现动漫角色对话
AI对话ChatHaruhiGithub大语言模型开源项目角色扮演
Chat-Haruhi-Suzumiya项目利用大型语言模型实现动漫角色对话功能。该开源项目支持多个角色，包含丰富数据集和训练代码，可跨平台部署。除角色扮演外，项目还涉及人格特质研究等应用。通过持续更新，项目旨在探索AI与动漫角色互动的新可能。
相关项目
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

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
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号