深度学习最佳AI工具集合：网站、应用和开源项目
bigvsan
BigVSAN神经声码器
GAN神经声码器结合切片对抗网络的创新音频生成模型
GigaSpeech
GigaSpeech语音识别
多领域英语语音识别数据集提供10,000小时转录音频
RectifiedFlow
Rectified Flow生成模型
直线路径优化的快速数据生成与传输技术
Latte
Latte视频生成
创新的潜在扩散Transformer视频生成技术
SiT
SiT生成模型
可扩展插值变换器 融合流模型和扩散模型的图像生成新方法
autoregressive-diffusion-pytorch
自回归扩散图像生成
自回归扩散模型：无向量量化的图像生成方法
mar
MAR图像生成
创新自回归图像生成方法
audio-ai-timeline
AI音频生成文本转语音
音频AI领域2023年重大进展及模型概览
Awesome-Sketch-Based-Applications
Sketch-Based Applications图像合成
草图应用资源汇总 涵盖多领域前沿技术
SadTalker
SadTalkerAI动画
将单张肖像图片与音频结合生成逼真的动态说话视频
Wav2Lip
Wav2Lip唇形同步
先进的AI视频口型同步技术
versatile_audio_super_resolution
AudioSR音频超分辨率
开源音频超分辨率工具 适用多种类型和采样率
multimodal
TorchMultimodal多模态模型
PyTorch多模态模型开发框架
audio2photoreal
音频到真人化身AI合成
AI驱动的音频转人物对话视频技术
speech-driven-animation
Speech-Driven Animation视频动画
语音驱动的端到端面部动画合成模型
bayesian-flow-networks
Bayesian Flow Networks机器学习
将贝叶斯方法与流网络相结合的生成模型新框架
lectures
CUDAGPU编程
GPU并行计算技术与高性能编程系列讲座
einx
einx张量操作
跨框架张量运算统一接口库
detr
DETR目标检测
Transformer架构重塑目标检测流程
encodec.cpp
Encodec音频编解码
Meta's Encodec音频编解码器的C/C++高性能实现
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
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