PersonaTalk是字節跳動推出的基于注意力機制的兩階段框架，用在實現高保真度和個性化的視覺配音。PersonaTalk能在合成與目標音頻精準唇形同步的視頻的同時，保留說話者的獨特說話風格和面部細節。...
網站首頁 > AI工具 第29頁
-
-
OpenSPG是螞蟻集團聯合OpenKG社區推出的基于SPG框架的知識圖譜引擎。OpenSPG融合LPG的結構性和RDF的語義性，克服RDF/OWL語義復雜難以落地的問題，繼承LPG結構簡單與大數據體系兼容的優勢。...
-
Zamba2-7B是Zyphra公司推出的小型語言模型，基于創新的架構在保持輸出質量的同時實現快速的推理速度和低內存占用。模型在處理圖像描述等任務時表現出色，適合在邊緣設備和消費級GPU上運行。Zamba2-7B采用Mamb...
-
WonderWorld是斯坦福大學和麻省理工學院共同推出的創新性3D場景生成框架，能從單張圖片快速生成多樣化且連貫的3D虛擬世界?；诤诵牡腇ast LAyered Gaussian Surfels (FLAGS 表示法和引...
-
Meissonic是由阿里巴巴集團、Skywork AI等多所大學合作推出的文本到圖像合成模型。模型用掩蔽生成變換器（MIM）技術，結合多模態和單模態變換器層、先進的旋轉位置編碼（RoPE）策略及動態掩蔽率作為采樣條件，提升...
-
BlinkShot是實時AI圖像生成器，能迅速生成高質量的圖像。用戶只需輸入提示，BlinkShot能在幾毫秒內生成圖像。工具基于Together AI的Flux Schnell技術，支持自定義分辨率和生成步驟，非常適合藝術...
-
NotebookLlama是Meta推出的開源項目，用LLaMa模型將PDF文件轉換成播客內容。項目用一系列核心流程實現，包括預處理PDF清除雜亂字符和編碼錯誤，用Llama-3.1-70B-Instruct模型將文本轉換成...
-
TextHarmony是華東師范大學和字節跳動共同推出的多模態生成模型，擅長理解和生成視覺文本。模型基于Slide-LoRA技術，動態聚合特定于模態和模態無關的LoRA專家，部分解耦多模態生成空間，在單一模型實例中協調視覺和...
-
EveryoneNobel是一個開源AI工具，為每個人生成個性化的諾貝爾獎風格圖像。EveryoneNobel基于ComfyUI框架，結合HTML模板和圖像生成技術，用戶只需上傳肖像照片、提供基本信息，如姓名和獲獎主題，系統...
-
AutoGLM是智譜AI團隊推出的智能體產品，基于圖形用戶界面（GUI）實現自主任務完成。AutoGLM能模擬人類在手機操作，執行如社交媒體互動、在線購物、酒店預訂等任務。AutoGLM能接收簡單的文字或語音指令，自動完成復...
