开源模型
MaskGCT，零样本文本转语音，完全非自回归的 TTS 模型
开源项目
EveryoneNobel，使用ComfyUI为每个人生成诺贝尔奖图像
LongVU，Meta开源的长视频LLM，在保留视频视觉细节的同时减少视频token数
PersonaTalk，字节跳动发布的音频驱动的视觉配音框架，可以创建唇形同步视频的配音，同时保留个人的谈话风格和面部细节
AI项目
单篇视频达到1200万播放，用AI制作爆款魔法小猫（巫师猫）短视频
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)