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

GenerSpeech - 文本转语音模型，可实现 OOD 自定义语音的高保真零样本样式传输

GenerSpeechGithub多GPU支持开源项目文本到语音零样本学习风格转换

GenerSpeech: PyTorch实现的NeurIPS 2022文本到语音模型，专注于无监督出域场景下的高保真样式转换。提供多层级样式转换、优化的模型泛化功能，并支持多GPU环境。完整指南及音频样例可在线获取，助您快速实施和部署。

q-diffusion - 扩散模型的创新量化方法

GithubQ-Diffusion图像生成开源项目扩散模型深度学习量化

Q-Diffusion是一种针对扩散模型的后训练量化方法。它能将无条件扩散模型压缩至4位精度，同时保持接近原模型的性能。该方法通过时间步感知校准和分离捷径量化技术解决了扩散模型量化的主要难题。Q-Diffusion不仅适用于无条件图像生成，还可用于文本引导的图像生成，首次实现了4位权重下的高质量生成效果。这一技术为扩散模型的高效实现开辟了新途径。

swift-diffusion - Swift重新实现的Stable Diffusion模型

AI绘图GithubStable DiffusionSwift Diffusion开源项目深度学习移动设备优化

Swift重新实现的单文件Stable Diffusion模型，包含CLIP文本处理、UNet扩散和解码器等核心组件。项目致力于在移动设备上运行Stable Diffusion，通过内存优化和性能提升，实现与原始Python版本相当的效果。目前已完成主要模型移植，为移动AI应用开发提供新的可能。

Text-To-Video-Finetuning - 使用Diffusers微调ModelScope的文本生成视频模型，提供安装、配置和训练指南

Diffusion ModelsExponentialMLGithubLoRAModelScopeText-To-Video开源项目

Text-To-Video-Finetuning项目使用Diffusers微调ModelScope的文本生成视频模型，提供详尽的安装、配置和训练指南。主要更新包括LoRA训练、模型格式转换和Torch 2.0支持。项目现已归档，相关资源及支持文件仍可用。建议关注@damo-vilab的新实现，以体验全面的视频扩散微调功能。支持多种模型训练与推断，适用于VRAM限制设备，模块化设计方便定制与扩展。

stable-diffusion-v1-5 - 文本到图像生成的多平台兼容潜在扩散模型

AI绘图GithubHuggingfaceStable Diffusion开源项目文本到图像模型生成对抗网络生成艺术

Stable Diffusion v1-5 是一个使用潜在扩散技术的文本到图像生成模型，可生成高逼真度的图像。该模型经过多次优化与微调，兼容Diffusers库及多种用户界面，强调安全性并配备NSFW检查器，适用于研究、艺术创作及设计领域。此模型针对不同GPU环境设计，具有高效的生成性能。

dreamshaper-xl-1-0 - 基于Diffusers的AI图像生成模型支持多样化创意表达

AI模型DiffusersGithubHuggingface开源项目数据集机器学习模型模型卡片

Dreamshaper-xl-1-0是基于Diffusers框架的AI图像生成模型。该模型能根据文本描述生成图像,支持多种艺术风格和场景。它可应用于创意设计、内容创作等领域。虽然功能强大,但使用时需注意潜在的偏见和局限性。目前该模型的具体训练数据、评估结果等信息尚未公开。

HierSpeechpp - 分层变分推理实现高质量零样本语音合成

AI模型GithubHierSpeech++变分推理开源项目语音合成零样本

HierSpeech++项目提出了一种基于分层变分推理的零样本语音合成技术。该技术通过文本到向量框架生成语音表示,显著提高了合成语音的自然度和表现力。项目还引入了语音超分辨率框架,可将音频从16 kHz提升至48 kHz。实验表明,HierSpeech++在零样本语音合成任务中优于现有的基于大语言模型和扩散模型的方法,首次实现了人类水平质量的零样本语音合成。

anime-kawai-diffusion - 动漫艺术AI模型探索新创作

AI艺术DiffusersGithubHuggingface动漫开源项目模型稳定性扩散细节损失

anime-kawai-diffusion是一个基于Diffusers库的AI模型，可在PyTorch框架下生成高质量的动漫图像。用户可以通过简单的Python代码生成符合心意的动漫角色图像。该模型适合作为艺术创作的辅助工具，但在图像质量和内容上存在一定限制，可利用独特的提示与标签打造个性化作品。

DEADiff - DEADiff模型实现高效风格化图像生成

DEADiffGithub图像风格化开源项目扩散模型文本到图像生成计算机视觉

DEADiff是一种风格化扩散模型，通过参考图像风格和文本提示生成新颖图像。该模型利用解耦表示技术，实现高效风格迁移和文本引导图像生成。DEADiff可将多种风格应用于不同场景，同时保持内容准确性。这项研究由中国科学技术大学和字节跳动的团队完成，并在CVPR 2024上发表。

F5-TTS - 提高训练和推理速度的先进文本到语音转换系统

E2 TTSF5-TTSGithub开源项目推理数据集训练

项目F5-TTS利用Diffusion Transformer和ConvNeXt V2技术，显著提升了训练和推理速度。支持生成最长30秒的音频，并通过Sway Sampling技术优化推理性能。用户可以自定义数据集，并使用多GPU和fp16配置加速训练。提供单次推理、语音编辑和批量推理功能，并支持通过Gradio App进行操作。多种测试数据集和评估工具确保模型表现稳定高效。

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