Project Icon

GeneFace

广义和高保真3D会说话的人脸合成

该项目展示了一种通用且高保真的音频驱动3D说话面部生成方法。GeneFace 实现了更好的唇同步和面部表现,即使在非典型音频中也是如此。项目附带预训练模型和数据集,方便快速上手,并支持使用个人视频训练独特的GeneFace模型。新发布的GeneFace++ 提升了唇同步、视频质量和系统效率,具备实时推断和更快的深度3D重建功能。

BigVGAN - 大规模训练的通用神经网络声码器
BigVGANGithub开源项目深度学习神经声码器语音合成音频处理
BigVGAN是一个通过大规模训练实现的通用神经网络声码器。它可高质量合成多语言语音、环境声音和乐器声音等多种音频。项目提供多个预训练模型,支持44kHz采样率和512倍上采样比率。BigVGAN集成自定义CUDA内核,在单个A100 GPU上推理速度提升1.5-3倍。
CVPR23_LFDM - 潜在流扩散模型实现条件图像到视频生成
GithubLFDM图像到视频生成开源项目条件生成深度学习潜在流扩散模型
CVPR23_LFDM项目提出了一种基于潜在流扩散模型的条件图像到视频生成方法。该方法在MUG、MHAD和NATOPS数据集上展示了生成流畅自然的人脸表情和人体动作视频的能力。项目开源了预训练模型、演示代码和详细的模型训练流程,为计算机视觉研究提供了有价值的资源。
LlamaGen - 自回归模型在图像生成中的应用和优势
AR模型GithubHugging FaceLlamaGen图像生成开源项目自回归模型
LlamaGen项目展示了自回归模型在图像生成中的潜力,通过无偏视觉信号和大规模数据训练,实现了媲美扩散模型的性能。该项目发布了多种图像tokenizer和生成模型,支持从100M到3B参数的多种配置,并提供在线演示和高效的vLLM服务框架。访问项目页面和在线demo,体验这些创新模型的强大功能。
GeoDream - 融合2D和几何先验实现高保真一致的3D生成
3D生成GeoDreamGithubUni3D-score多视角一致性开源项目文本到3D
GeoDream是一种创新的3D生成方法,通过结合广义3D先验和2D扩散先验,提高了生成一致3D几何结构的能力,同时保持多样性和保真度。该方法生成的3D纹理网格具有更高一致性,可渲染1024x1024分辨率的逼真图像,并改善语义连贯性。GeoDream还首次提出Uni3D-score指标,将语义一致性评估从2D提升到3D。
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。
Real-Time-Voice-Cloning - 实时语音克隆与多声源文本到语音转换技术
GithubSV2TTS多说话者文本转语音合成实时语音克隆开源项目深度学习热门语音合成
Real-Time Voice Cloning是一个基于深度学习的实时语音克隆工具,能够通过简短语音样本快速创建个性化语音模型。项目实现了从说话人验证到多说话人文本到语音合成的框架(SV2TTS),并配备了实时工作的声码器。适用于需要个性化语音合成的开发者和研究人员,支持多种数据集,提供预训练模型以简化使用和实验过程。
Moore-AnimateAnyone - 开源人物动画生成和人脸重演项目
AnimateAnyoneGithub人工智能动画生成开源项目深度学习视频合成
Moore-AnimateAnyone是一个开源的人物动画生成项目,可基于单张参考图像和动作序列生成视频动画。项目还包含人脸重演功能,能精确控制源图像表情和动作。目前已开源推理代码和预训练模型,提供在线演示。未来计划加入音频驱动的人像视频生成等新功能,持续为AIGC领域贡献创新技术。
One-2-3-45 - 2D扩散模型在3D AIGC中的创新应用
3D建模GithubHuggingFaceNeurIPS 2023One-2-3-45开源项目深度学习
One-2-3-45项目创新性地提出了一种2D扩散模型在3D AIGC中的正向操作方法,无需耗时的优化过程。项目提供详细的安装说明和多种演示方式,包括在线互动演示和完整的配置指南。通过整合Hugging Face的Gradio API,用户可以方便地进行图像预处理和3D网格重建。该项目已被NeurIPS 2023接受,并提供了详细的训练代码和数据集,促进单图像到3D模型的快速生成。
face-projection - 人脸投影技术带来新的视觉可能
GithubHuggingfaceLoRAf4c3_p40j3ct10n人脸图像生成开源项目投影模型
Face Projection项目通过Flux.1 D LoRA模型,让文字或概念在面部图像上投射,创造独特的视觉场景。借助触发词f4c3_p40j3ct10n,用户能将文本转化为投影图像。项目适配Diffusers库,同时提供Safetensors格式模型权重下载,是一个灵活的视觉生成工具。请参阅官方文档获取更多详情和实例,探索技术与创意的全新结合。
EMO - 音频驱动的富表情肖像视频生成模型
EMOGithub人像视频生成开源项目扩散模型表情合成音频到视频转换
EMO是一种音频到视频的扩散模型,可在弱条件下生成表现力丰富的肖像视频。该项目由阿里巴巴智能计算研究院开发,将音频输入转化为面部表情和头部动作,增强数字人物的自然度和情感表达。EMO技术在虚拟主播和数字人互动等领域具有应用潜力,可提供更真实的视觉体验。
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