DiffSinger

通过浅层扩散机制进行歌唱语音合成

DiffSinger PyTorch 声音合成 DiffSpeech LJSpeech Github 开源项目

DiffSinger项目通过PyTorch实现高效的浅层扩散机制声音合成。该项目支持多样的模型训练配置，涵盖基础、辅助解码器及浅层版本，并提供实时控制音调、音量和语速的功能，以适应不同的声音合成需求。适用于LJSpeech等数据集，适合从事音频合成研究与开发的专业人士。

文档

scoresdeve-ema-celeba-64 - 无条件图像生成的高效DiffusionPipeline

AI绘图DiffusersGithubHuggingfaceunconditional-image-generation图像生成开源项目模型模型推理

该项目通过diffusers库的DiffusionPipeline实现无条件图像生成，使用eurecom-ds/celeba数据集，并兼容CUDA设备，提供了加载预训练模型和生成图像的高效方案。模型通过固定种子实现一致的推理输出，适用于AI研究和开发。用户可以自定义推理步骤，满足不同场景下的图像生成需求，拓展计算机视觉应用。

DragonianVoice - 支持多种TTS、SVC和SVS技术的语音处理工具

DiffusionDragonianVoiceGithubOnnxSVCTTS开源项目

DragonianVoice提供TTS、SVC和SVS的Onnx框架推理库，支持C、Cpp及C#调用。项目与fish-speech联动，使用ggml框架重写。支持多种深度学习模型如Tacotron2、Vits和SoVitsSvc，并解决DmlEP推理错误。用户需遵守使用协议，确保合法合规使用开源项目。

diffusion-models-class - 掌握扩散模型从理论到实践的全面课程

AI绘图GithubHugging FacePyTorch开源项目扩散模型深度学习

Hugging Face推出的扩散模型免费课程涵盖理论研究和实践应用。课程内容包括使用Diffusers库生成图像和音频、训练和微调扩散模型、探索条件生成和引导技术、创建自定义模型管道等。适合具备Python和深度学习基础的学习者，提供全面的扩散模型学习体验。

transformer_latent_diffusion - 基于 PyTorch 的 Transformer 潜在扩散文本生图模型

AI绘图GithubLatent DiffusionPyTorchTransformer图像生成开源项目

Transformer Latent Diffusion 是一个基于 PyTorch 的开源项目，实现了文本到图像的潜在扩散模型。该模型体积小、生成速度快、性能合理，可在单 GPU 上快速训练。项目代码简洁，依赖少，注重数据质量。它提供数据处理工具，支持自定义训练，并进行了多项性能优化。项目展示了 256 分辨率随机样本和 CLIP 插值等生成示例。

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。

MultiDiffusion - 基于预训练模型的多功能可控的图像生成框架

GithubMultiDiffusion可控生成图像生成开源项目扩散模型文本到图像

MultiDiffusion 是一个统一框架，通过预训练的文字转图像扩散模型，实现多功能且可控的图像生成，无需进一步训练或微调。该框架支持用户使用各种控制信号，如纵横比和空间引导信号，生成高质量、多样化的图像。MultiDiffusion 优化了多重扩散生成过程，使用一组共享参数或约束，支持局部和全局编辑，适用于如烟雾、火焰和雪等半透明效果。

dl-for-emo-tts - 通过深度学习实现情感语音合成

GithubTacotron优化器开源项目情感语音合成数据集深度学习

项目通过深度学习实现情感语音合成，包括Tacotron和DCTTS模型的应用。详细介绍了使用的数据集、相关文献和多种模型微调策略，如调整学习率和冻结网络层。尽管面临情感数据集有限的问题，但实验验证了改进方案对低资源情感TTS传递学习的有效性。

StreamDiffusion - 高性能实时AI图像生成框架

AI绘图GithubStreamDiffusion图像处理实时生成开源项目深度学习

StreamDiffusion是一个开源的高性能AI图像生成框架,专为实时交互应用设计。它采用流批处理、残差无分类引导等创新技术,大幅提升了扩散模型的生成速度。在RTX 4090显卡上,使用SD-turbo模型可实现每秒106帧的文生图速度,LCM-LoRA与KohakuV2模型组合也能达到每秒38帧。该项目为开发实时AI图像生成应用提供了有力支持。

DiffusionFromScratch - 实践教程：从零构建和训练稳定扩散模型

GithubStable DiffusionUNet图像生成开源项目教程机器学习

DiffusionFromScratch是一个开源项目，提供精简代码库用于重建稳定扩散模型。项目特点包括单Python脚本实现、支持MNIST和CelebA数据集训练，以及提供多个Colab笔记本。这些笔记本涵盖模型架构探索、UNet模型构建和基于文本生成MNIST图像等内容。项目还展示了演示输出和音乐视频生成示例，为学习稳定扩散模型提供了实用资源。

StableTTS - 轻量级流匹配和DiT驱动的新一代TTS模型

GithubStableTTSTTS模型人工智能开源项目语音合成

StableTTS是一款开源的轻量级中英文语音合成模型，参数量仅为1000万。该项目创新性地结合了流匹配和扩散卷积Transformer技术，灵感源自Stable Diffusion 3。StableTTS提供预训练模型，支持推理、微调和WebUI应用。其独特的模型架构包含扩散卷积Transformer块和流匹配解码器，旨在提升语音合成质量。项目还提供了便捷的训练和推理工具，以及Hugging Face在线演示平台。

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