开源音频波形动画生成工具
SeeWav是一个开源的音频波形动画生成工具,可为音频文 件创建可视化动画。它支持自定义颜色、立体声显示和多种参数调整,能够生成独特的音频可视化效果。这个工具适合音乐制作、播客创作和视频编辑等领域,用于为作品添加动态视觉元素。
SeeWav 可以为您的波形生成一些漂亮的动画。 点击图片查看演示:
<p align="center"> <a href="https://ai.honu.io/misc/seewav.mp4"> <img src="https://yellow-cdn.veclightyear.com/2b54e442/0bd07565-f183-456c-b157-f1ab6235e414.png" alt="SeeWav 演示"></a></p>您需要 Python 3.7。
您需要安装 ffmpeg
,并支持 libx264
和 aac
编解码器。
在 Mac OS X 上使用 Homebrew,运行 brew install ffmpeg
,在 Ubuntu 上运行 sudo apt-get install ffmpeg
。
如果您使用 Anaconda,也可以执行 conda install -c conda-forge ffmpeg
。
pip3 install seewav
seewav 音频文件 [输出文件]
默认输出到 out.mp4
。可用选项:
用法: seewav [-h] [-r 帧率] [--stereo] [-c 颜色] [-c2 颜色2] [--white] [-B 条数] [-O 过采样] [-T 时间] [-S 速度] [-W 宽度] [-H 高度] [-s 跳转] [-d 持续时间] 音频 [输出] 从音频文件生成精美的 mp4 动画。 位置参数: 音频 音频文件路径 输出 输出文件路径。默认为 ./out.mp4 可选参数: -h, --help 显示此帮助信息并退出 -r 帧率, --rate 帧率 视频帧率 --stereo 为立体声文件创建 2 个波形 -c 颜色, --color 颜色 条形颜色,格式为 `r,g,b`,取值范围 [0, 1] -c2 颜色2, --color2 颜色2 第二个波形的颜色(用于立体声),格式为 `r,g,b`,取值范围 [0, 1] --white 使用白色背景。默认为黑色 -B 条数, --bars 条数 视频中同时显示的条形数量 -O 过采样, --oversample 过采样 较低的值会感觉反应不太灵敏 -T 时间, --time 时间 一帧中显示的音频时长 -S 速度, --speed 速度 较高的值意味着帧之间的过渡更快 -W 宽度, --width 宽度 动画的像素宽度 -H 高度, --height 高度 动画的像素高度 -s 跳转, --seek 跳转 跳转到视频中的指定时间(秒) -d 持续时间, --duration 持续时间 从跳转时间开始的持续时间(秒)
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿 的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
高质量语音生成模型
CSM 是一个开源的语音生成项目,它提供了一个基于 Llama-3.2-1B 和 CSM-1B 的语音生成模型。该项目支持多语言,可生成多种声音,适用于研究和教育场景。通过使用 CSM,用户可以方便地进行语音合成,同时项目还提供了水印功能,确保生成音频的可追溯性和透明度。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号