Infer News

F5-TTS 文字轉語音仿真模型

示範範例： https://SWivid.github.io/F5-TTS

GitHub – SWivid/F5-TTS: 100K 小時多語言資料集上進行訓練

表現出高度自然和富有表現力的零樣本能力、無縫代碼切換能力和速度控制效率。

F5-TTS (Best ElevenLabs Alternative Yet!): Easy Step-by-Step Installation + Demo

Categories: 開源, 模型, 語音

---

Hello2 – 高清 LipSync 工具

GitHub – fudan-generative-vision/hallo2: Hallo2: Long-Duration and High-Resolution Audio-driven Portrait Image Animation

Hallo2: Long-Duration and High-Resolution Audio-driven Portrait Image Animation – fudan-generative-vision/hallo2

Categories: Audio, Video, 模型

---

RF-Inversion – 無需 ControlNet 的圖片編輯

GitHub – LituRout/RF-Inversion: Rectified Flow Inversion (RF-Inversion)

（附 ComfyUI Node）Rectified Flow Inversion (RF-Inversion). Contribute to LituRout/RF-Inversion development by creating an account on GitHub.

Categories: Image, 影像處理, 模型

---

Diffusion – 生成 3D 遊戲的擴散式世界模型

構成了一種以安全且樣本高效的方式訓練強化學習 💎

Categories: 3D, 多模態模型, 模型, 新聞, 軟件

---

Rope-Live 具即時串流並支援 Deepfacelive 模型

Customized fork of Rope Deepfake software featuring live streaming capabilities and support for Deepfacelive models – argenspin/Rope-Live

Rope-Live - Major Update & Tutorial

Categories: 新聞

---

DH-Live實時直播數字人

DH-Live实时直播数字人，全新商用项目开源，超低显存占用，人人可用！

Categories: Video, 教學, Clone

---

diffusers-image-outpaint 零度解說

超強AI擴圖！完全免費開源，diffusers-image-outpaint，附詳細本地安裝教程！-

Diffusers Image Outpaint 是一種基於擴散模型的圖像生成方法。它根據現有圖像內容，生成圖像以外區域，使圖像看起來更自然和完整。

Categories: 工具, Image, 影像處理, 模型, 軟件

---

Autoarena – LLM 效能排行

對 LLM、RAG 設定和提示的輸出進行排名，以找到系統的最佳配置

使用自動一對一評估對法學碩士、RAG 系統和提示進行排名 – kolenaIO/autoarena

Categories: 工具, 軟件

---

CosyVoice-windows-GUI 1.2

Windows不用搭建環境只要英偉達顯卡就行，解壓即用！

支持srt導入，將字幕里的文字轉換成音頻，保持時間軸一樣；

Categories: 文字轉語音

---

DiffSynth-Studio 擴散模型的魔力

DiffSynth Studio 是個擴散引擎

重構了文字編碼器、UNet、VAE等架構，保持與開源社群模型的相容性，同時增強運算效能。

Categories: Image, Video, 模型

---