F5-TTS是由上海交通大學開源的一款高性能文本到語音（TTS）系統，基于流匹配的非自回歸生成方法，結合擴散變換器（DiT）技術。系統在沒有額外監督的情況下，基于零樣本學習快速生成自然、流暢且忠實于原文的語音。...
網站首頁 > AI工具 第38頁
-
-
libcom 是一個由上海交通大學 (BCMI 實驗室推出的圖像合成工具箱。旨在解決前景和背景之間的不一致性問題，如外觀、幾何和語義上的不匹配，生成逼真的合成圖像。...
-
一見視覺大模型是百度推出的一款致力于讓專業級視覺AI應用落地平民化的平臺?；诎俣阮I先的視覺大模型核心技術和豐富的場景化算法方案，打通從模型生產、效果優化到應用配置的全鏈路閉環。一見平臺基于多模態大模型、自動化效果調優、零代...
-
Swarm是由OpenAI推出的一個實驗性框架，旨在構建、編排和部署多智能體系統。基于輕量級的Agent和handoff機制，簡化智能體之間的協調和執行過程，讓控制更加精細，測試更加便捷。...
-
Aria是由Rhymes AI團隊推出全球首個開源多模態原生混合專家（MoE）模型，能理解和處理文本、代碼、圖像和視頻等多種輸入模態。模型在多模態和語言任務上展現最佳性能，與專有模型競爭，保持輕量級和快速的特點。...
-
Pyramid-Flow是一種先進的視頻生成模型，由北京大學、快手科技和北京郵電大學的研究人員聯合推出。模型根據文本提示生成長達10秒、分辨率高達1280x768、幀率24幀每秒的高清視頻。Pyramid-Flow的核心為創...
-
PixWizard是一個多功能的圖像到圖像視覺助手，基于自然語言指令執行圖像生成、編輯和翻譯等任務。系統通過統一的圖像-文本到圖像生成框架，將多種視覺任務整合在一起，通過構建一個包含3000萬數據點的全面訓練集支持這些任務。...
-
screenpipe是一款基于AI技術，全天候監控用戶電腦屏幕和麥克風的開源軟件。通過捕捉屏幕活動和音頻，用AI進行智能分析，提升工作效率和保障數據隱私。screenpipe的核心功能包括自動生成每日工作摘要、記錄總結會議內...
-
Future You是由麻省理工學院（MIT）開發的一款AI系統，支持用戶與60歲時的虛擬形象進行互動對話。系統基于先進的AI技術，結合用戶當前的生活目標和個人品質，生成一個逼真的未來自我形象，構建一段"未來記憶&...
-
LosslessCut是一款開源的視頻編輯工具，用于快速且無損地剪切和合并視頻和音頻文件?；趶姶蟮腇Fmpeg庫構建，提供一個直觀的圖形用戶界面，用戶輕松地進行剪輯、合并、轉封裝及添加字幕和音樂等操作。...
