Project Icon

EDTalk

高效解耦的情感说话头像合成框架

EDTalk是一个创新的情感说话头像合成框架,实现了口型、头部姿势和情感表情的高效解耦。该框架通过三个轻量级模块将面部动态分解为独立的潜在空间,使用可学习的基向量定义特定动作。EDTalk采用正交基向量和高效训练策略确保各组件的独立性,并开发了音频到动作模块支持音频驱动的头像合成。这一技术在视频和音频输入下都能实现精确的情感说话头像生成。

ICCV2023-MCNET - 基于隐式身份表示的说话头视频生成方法
GithubMCNettalking head开源项目深度学习视频生成计算机视觉
MCNet是一种新型说话头视频生成方法,在ICCV 2023上发表。该方法利用隐式身份表示和记忆补偿网络,生成高质量、自然的说话头视频。MCNet能够保持身份一致性,同时生成逼真、富有表现力的面部动画。项目开源了代码实现和预训练模型,为研究者提供了探索和应用的基础。
ChatTTS_Speaker - AI语音合成稳定性评估与特征标记工具
ChatTTSGithub声纹识别开源项目稳定性评估音色打标音色评分
ChatTTS_Speaker项目基于ChatTTS开发,专注于AI合成语音的稳定性评估和特征标记。项目利用ERes2NetV2模型对2600个音色进行评分,评估包括长句、多句和单句的稳定性,以及音色的性别、年龄和特征识别。提供音色下载功能和详细的评分参数解释,为AI语音合成研究和应用提供有价值的参考数据。
talk-llama-fast - 开源AI语音对话系统 支持多语言实时交互及视频生成
AI对话Githubtalk-llama-fast开源项目视频生成语音合成语音识别
talk-llama-fast是一个开源的AI语音对话系统,支持实时语音识别、自然语言生成和语音合成,可进行多语言交互。系统集成了视频生成功能,能创建与音频同步的唇形动画。采用流式处理和激进VAD等优化技术,实现低延迟响应。提供多种语音命令和中断机制,增强交互体验。适用于开发AI助手、虚拟角色等应用。
Gaussian-Head-Avatar - 动态高斯技术实现超高保真虚拟头像生成
3D建模Gaussian Head AvatarGithub动态高斯开源项目计算机视觉高保真头像
Gaussian-Head-Avatar项目采用动态高斯模型,生成超高保真虚拟头像。该技术通过两阶段训练,包括几何引导模型和高斯头像模型,能够基于表情系数实现逼真的头像重演。这一创新为计算机视觉和图形学领域带来新的解决方案,可应用于虚拟现实和数字人等多个领域。
emotion2vec - 通用语音情感表示模型开源实现
Githubemotion2vec开源项目情感表征特征提取自监督预训练语音情感识别
emotion2vec是一个开源的语音情感表示模型,采用自监督预训练方法提取跨任务、跨语言和跨场景的通用情感特征。该模型在IEMOCAP等数据集上取得了领先性能,并在多语言和多任务上展现出优异表现。项目开源了预训练模型、特征提取工具和下游任务训练脚本,为语音情感分析研究提供了有力支持。
PortraitGen-code - 肖像视频编辑技术,结合多模态生成模型
3D重建GithubPortraitGen多模态生成开源项目视频编辑风格迁移
这个项目实现了一种创新的肖像视频编辑方法,采用多模态生成模型来实现统一且高表达力的风格转换,能够处理单目RGB视频中的文本和图像驱动的高质量编辑以及光照调整,从而提高面部结构呈现的质量。
speech-resynthesis - 基于离散解耦自监督表示的语音重合成技术
Github开源项目自监督学习表示学习语音合成语音编码语音重合成
该项目开发了一种新型语音重合成方法,采用自监督学习的离散表示技术,分别提取语音内容、韵律信息和说话人特征。这种方法实现了可控的语音合成,在重建质量和特征解耦方面表现优异。此外,该技术还可应用于超轻量级语音编解码,以365比特/秒的低比特率提供高质量语音输出。项目提供完整的训练和推理流程,兼容多种数据集和自监督学习方法。
DreamWaltz - 基于文本生成3D可动画化虚拟形象和场景
3D动画头像DreamWaltzGithubNeRF人体姿态开源项目文本生成3D
DreamWaltz是一个文本驱动的3D可动画化虚拟形象创建框架,结合了预训练2D扩散模型和人体参数模型。通过优化可变形NeRF表示,该框架能从骨骼条件下的扩散监督中学习,实现3D一致性和对任意姿势的泛化。DreamWaltz不仅可以生成单个可动画化虚拟形象,还能构建复杂场景,实现虚拟形象与物体、环境及其他虚拟形象的交互。
dectalk - DECtalk项目包括源代码、最新下载及社区活动
DECtalkGithubVisual Studio开源开源项目源代码编译
DECtalk是一款综合性的语音合成系统,支持多个平台并拥有活跃的用户社区。项目从2015年开始由初代开发者Edward Bruckert公开源代码,并持续进行更新。GitHub上可下载最新版本,也可以直接在网页浏览器体验。DECtalk社区在Discord上活跃,欢迎参与讨论。无论是Linux、Windows还是MacOS,都有详细的构建指南以支持多种编译环境,包括Docker和Visual Studio。
Talkify - 多语言支持的高品质文字转语音库
API密钥GithubTalkify多语言支持开源项目文本转语音高品质声音
Talkify为多语言环境提供高品质的文字转语音服务。该库支持范围广泛的语言,包括中文和英文,便于开发者通过几个简单步骤集成至任何网站。具有全面的API支持和控制界面,每月初次1000次请求免费。立即注册以体验先进的语音合成服务。
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。

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