InferNews

PromeAI – 令草圖轉為逼真的照片或高質影片

Share to X Facebook

PromeAI – 使用終極 AI 藝術生成器釋放您的創意潛力。將草圖轉換為逼真的照片和高品質影片。從草圖、照片或文字生成令人驚嘆的 AI 藝術、3D 渲染、插圖、繪畫、標誌、動漫、逼真照片和影片。

PromeAI – 使用終極 AI 藝術生成器釋放您的創意潛力。將草圖轉換為逼真的照片和高品質影片。從草圖、照片或文字生成令人驚嘆的 AI 藝術、3D 渲染、插圖、繪畫、標誌、動漫、逼真照片和影片。

PromeAI – Free AI art generator : Bring creativity to life
PromeAI – Unleashing Your Creative Potential with the Ultimate AI Art Generator. Transform sketches into realistic photos and high-quality videos. Generate Stunning AI Art, 3D Renderings, Illustrations, Paintings, Logos, Anime, Realistic Photos, and Videos from Sketches, Photos, or Text.
【零門檻】1個AI工具，解放設計❗️｜建築設計/室內設計/電商設計/遊戲設計｜AI TOOLS FOR DESIGNERS
Categories: Video, Image, 線上服務

MVSEP – 自制 Karaoke 必備

Share to X Facebook

新增了新版本的 BSRoformer 權重。目前它可能是世界上最好的可用模型。

分離人聲與伴奏
MVSEP將從音頻中分離出人聲與伴奏、從音頻中提取文本，並且免費。使用AI。

新增了新版本的 BSRoformer 權重。目前它可能是世界上最好的可用模型。

Categories: Audio, 線上服務

RVC-Boss/GPT-SoVITS 語音合成模型

Share to X Facebook

GPT-SoVITS 開源語音合成，支援 5 秒零樣本與 1 分鐘少樣本克隆，提升聲音相似度。支援中英日跨語言推理，提供 WebUI 工具及 Windows 預打包檔，方便快速建置語音模型。

1 分鐘的語音資料也可以用來訓練一個優秀的 TTS 模型！ （少量語音克隆）

功能：

  1. 零樣本文本到語音（TTS）： 輸入5秒的聲音樣本，即刻體驗文本到語音轉換。
  2. 少樣本TTS： 僅需1分鐘的訓練數據即可微調模型，提升聲音相似度和真實感。
  3. 跨語言支持： 支持與訓練數據集不同語言的推理，目前支持英語、日語和中文。
  4. WebUI工具： 集成工具包括聲音伴奏分離、自動訓練集分割、中文自動語音識別(ASR)和文本標注，協助初學者創建訓練數據集和GPT/SoVITS模型。

如果你是 Windows用戶（已在 win>=10上測試），可以直接通過預打包文件安裝。只需下載預打包文件，解壓後雙擊 go-webui.bat 即可啓動 GPT-SoVITS-WebUI。預訓練模型

GPT-SoVITS语音克隆AI，只需一分钟素材训练模型，效果堪比商用。一键安装，附Colab脚本 | TTS | RVC|GPT-SoVITS Colab

從 GPT-SoVITS Models 下載預訓練模型，並將它們放置在 GPT_SoVITS\pretrained_models 中。

對於中文自動語音識別（另外），從 Damo ASR Model, Damo VAD Model, 和 Damo Punc Model 下載模型，並將它們放置在 tools/damo_asr/models 中。

對於UVR5（人聲/伴奏分離和混響移除，另外），從 UVR5 Weights 下載模型，並將它們放置在 tools/uvr5/uvr5_weights 中。

數據集格式

文本到語音（TTS）注釋 .list 文件格式：

vocal_path|speaker_name|language|text

語言字典：

  • ‘zh’: Chinese
  • ‘ja’: Japanese
  • ‘en’: English

示例：

D:\GPT-SoVITS\xxx/xxx.wav|xxx|en|I like playing Genshin.

Categories: 文字轉語音, Audio, 軟件

MS-Vid2Vid (Video-to-Video)高清視頻生成大模型

Share to X Facebook

「MS- Video-to-Video」係一種深度學習模型，可以將一段視頻轉換成另一種風格、場景轉換、動作等操作。例如，可以將一段日本動畫轉換成中國水墨畫風格，或者將一段街頭表演轉換成動畫風格。 MS-Vid2Vid-XL 和 Video-to-Video 第一階段相同，都是基於隱空間的視頻擴散模型(VLDM)，且其共享相同結構的時空UNet(ST-UNet)，其設計細節延續我們自研 VideoComposer，具體可以參考其技術報告。

國產 ModelScope 模型
本項目MS-Vid2Vid由達摩院研發和訓練，主要用於提升文生視頻、圖生視頻的分辨率和時空連續性，其訓練數據包含了精選的海量的高清視頻、圖像數據（最短邊>720），可以將低分辨率的(16:9)的視頻提

「MS- Video-to-Video」係一種深度學習模型，可以將一段視頻轉換成另一種風格、場景轉換、動作等操作。例如，可以將一段日本動畫轉換成中國水墨畫風格，或者將一段街頭表演轉換成動畫風格。

MS-Vid2Vid-XL 和 Video-to-Video 第一階段相同，都是基於隱空間的視頻擴散模型(VLDM)，且其共享相同結構的時空UNet(ST-UNet)，其設計細節延續我們自研 VideoComposer，具體可以參考其技術報告。

Categories: Video, 工具, 新聞

PromeAI 推出更高畫質 txt2video

Share to X Facebook

PromeAI 十分類似 RunwayML。除一般 txt2img、txt2video(暫時完全免費)、img2video 功能，亦提供料多種創意模式： AI Supermodel Generation – 上傳一張人體模型或業餘人像照片，馬上可建立多種風格和背景。目前版本支援個人真人照片或帶有臉部和四肢的照片。 Creative Fusion – 將草圖與藝術風格融合，創造出獨特且令人驚嘆的藝術品。而且可調整強度以控制影像與所選樣式之間的混合程度。 Background Diffusion – 自動移除背景並根據模板或文字產生理想的背景。而且您可以調整主要部分的大小和位置，以獲得更理想的效果。 Image Variation – 這是 img2img，產生具有相似風格、佈局、視角和感官體驗的圖像。而且您可以控制相似度。 Outpainting – 根據比例或尺寸擴展圖像內容。而且您可以調整原來相片的位置來控制擴展方向。 避免一次將面積擴大太多。

徹底改變您的工作方式，從而提高效率、生產力和創新。
在 PromeAI 上發現令人驚嘆的視訊文字到影片，這些影片將激發並激發您的想像。

PromeAI 十分類似 RunwayML。除一般 txt2img、txt2video(暫時完全免費)、img2video 功能，亦提供料多種創意模式：

AI Supermodel Generation – 上傳一張人體模型或業餘人像照片，馬上可建立多種風格和背景。目前版本支援個人真人照片或帶有臉部和四肢的照片。

Creative Fusion – 將草圖與藝術風格融合，創造出獨特且令人驚嘆的藝術品。而且可調整強度以控制影像與所選樣式之間的混合程度。

Background Diffusion – 自動移除背景並根據模板或文字產生理想的背景。而且您可以調整主要部分的大小和位置，以獲得更理想的效果。

Image Variation – 這是 img2img，產生具有相似風格、佈局、視角和感官體驗的圖像。而且您可以控制相似度。

Outpainting – 根據比例或尺寸擴展圖像內容。而且您可以調整原來相片的位置來控制擴展方向。 避免一次將面積擴大太多。

(more…)
Categories: 線上服務

Spline AI – 利用 AI 加快 3D 設計速度

Share to X Facebook

人工智慧的力量正進入第三維度。 使用提示產生 3D 物件、動畫和紋理。 在人工智慧的幫助下，更快地設計並觀看您的想法變為現實。

Spline AI – 3D Design faster with AI.

人工智慧的力量正進入第三維度。 使用提示產生 3D 物件、動畫和紋理。 在人工智慧的幫助下，更快地設計並觀看您的想法變為現實。

(more…)
Categories: 線上服務

AudioBox –

Share to X Facebook

Audiobox 是 Meta 的新音訊生成基礎研究模型。 集 TTS、聲效、音樂於一身。它結合使用語音輸入和自然語言文字提示來產生語音和聲音效果，從而可以輕鬆地為創建任何音訊。 Audiobox 模型系列亦包括專業模型 Audiobox Speech 和 Audiobox Sound，所有 Audiobox 型號都基於共享的自我監督模型 Audiobox SSL 構建。 馬上體驗 – 多種聲效 – 創作故事

Audiobox – Meta 的音訊生成基礎研究模型
Audiobox 模型系列還包括專業模型 Audiobox Speech 和 Audiobox Sound

Audiobox 是 Meta 的新音訊生成基礎研究模型。 集 TTS、聲效、音樂於一身。它結合使用語音輸入和自然語言文字提示來產生語音和聲音效果，從而可以輕鬆地為創建任何音訊。 Audiobox 模型系列亦包括專業模型 Audiobox Speech 和 Audiobox Sound，所有 Audiobox 型號都基於共享的自我監督模型 Audiobox SSL 構建。

馬上體驗 – 多種聲效 – 創作故事

Categories: Audio, 線上服務

Genmo 創意研究實驗室

Share to X Facebook

Genmo 致力於建立跨模式創作和分享生成藝術的工具。 我們正在推動生成模型能力的前沿。 如今的免費平台只需單擊即可社交創作無限量的影片。 Genmo 目前處於測試階段，將來會添加更多內容。 免費版可生成最長 6 秒 2304 x 1280 的高清影片。 亦可控制鏡頭的運鏡方式 除此，Genmo 亦提供生成圖片，文字對話等。

簡單易用的多功能高質影像視頻
Make videos, 3D models, images, art and more with Genmo AI, your creative copilot.

Genmo 致力於建立跨模式創作和分享生成藝術的工具。 我們正在推動生成模型能力的前沿。 如今的免費平台只需單擊即可社交創作無限量的影片。 Genmo 目前處於測試階段，將來會添加更多內容。

免費版可生成最長 6 秒 2304 x 1280 的高清影片。

亦可控制鏡頭的運鏡方式

Replay v0.2 announcement: image-to-video, longer length, high resolution

除此，Genmo 亦提供生成圖片，文字對話等。

Categories: Video, Image, 線上服務
Page 52 of 55
1 … 50 51 52 53 54 55