AI开源

MarDini，Meta发布新的视频扩散模型，支持在任何帧位置以任意数量的遮罩帧为条件生成视频

让我们看看演示视频吧！ MarDini，Meta发布新的视频扩散模型，支持在任何...

Stability AI 发布 Stable Diffusion 3.5 Medium，免费用于商业和非商业用途

Stability AI 发布 Stable Diffusion 3.5 Med...

MVDrag3D，通过拖拽方式编辑3D模型，类似拖拽编辑2D图片

让我们看看演示视频吧！ MVDrag3D，通过拖拽方式编辑3D模型，类似拖拽编辑...

ROCKET-1，基于视觉和时序上下文提示，在开放的环境中进行精确交互

ROCKET-1，基于视觉和时序上下文提示，在开放的环境中进行精确交互，可以通过...

FasterCache，开源的免训练的视频扩散模型加速

让我们看看演示视频吧！ FasterCache，开源的免训练的视频扩散模型加速，...

Moonshine，语音转文本模型，单词错误率优于Whisper

Moonshine，语音转文本模型，在 HuggingFace 维护的 Open...

NotebookLlama，Meta开源的NotebookLM，将PDF生成有声播客

NotebookLlama，Meta开源的NotebookLM，将PDF生成有声...

IC-Light V2，基于Flux模型来改变图片光照，ControlNet作者lllyasviel的IC-Light新版本

IC-Light V2，基于Flux模型来改变图片光照，ControlNet作者...

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

让我们看看演示视频吧！ PersonaTalk，字节跳动发布的音频驱动的视觉配音...

MaskGCT，零样本文本转语音，完全非自回归的 TTS 模型

让我们看看演示视频吧！ MaskGCT，零样本文本转语音，完全非自回归的 TTS...

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

让我们看看演示视频吧！ LongVU，Meta开源的长视频LLM，主要通过过滤重...

EveryoneNobel，使用ComfyUI为每个人生成诺贝尔奖图像

EveryoneNobel，使用ComfyUI为每个人生成诺贝尔奖图像，并使用 ...