タグ: AIのオープンソースプロジェクト 42ページ

包括的な紹介 TF-ID（Table/Figure IDentifier）は、学術論文から表や画像を抽出するためのオブジェクト検出モデル群である。このプロジェクトはYifei Huによって作成され、GitHubでオープンソース化されています。TF-IDモデルは、学術論文から表や画像を認識・抽出するために微調整されています...

一般的な紹介 Chatbot UIは、開発者がパーソナライズされたインテリジェントな会話インターフェースを作成できるように設計されたオープンソースプロジェクトです。このプロジェクトは、ユーザーにスムーズでスマートな対話体験を提供するために、既存のチャットボットシステムに簡単に統合できる一連のインターフェースコンポーネントと対話機能を提供します。

概論 GLIGEN GUIはComfyUIをベースとした直感的なグラフィカル・インターフェースであり、画像中のオブジェクトの位置を正確に指定することができる新しいテキストから画像へのモデルであるGLIGENモデルの使用を簡素化するように設計されている。GLIGEN GUIでは、ユーザはボックスを描いたり、テキストを入力したりすることでプロンプトが表示される...

包括的な紹介 Easy-Voice-Toolkitは、音声認識、音声トランスクリプション、音声変換、データセット作成、モデルトレーニングのための幅広い自動音声ツールを提供する、オープンソーススピーチプロジェクトに基づいた多目的ツールキットです。ユーザーは必要に応じて、これらのツールを選択的または連続的に使用することができます...

概要 FaceFusionは、画像からビデオ、画像から画像への交換プロセスを5つのプロフェッショナルモデルで最適化し、完璧な出力を保証する、顔交換とエンハンスメント機能を統合した最先端のクラウドプラットフォームです。さらに、3つの異なるモデルを使用して、7つのモデルでフェイシャル・エンハンスメントを実行します。

概論 Kotaemonは、RAG（Retrieval Augmented Generation）に基づいたQ&A機能をエンドユーザーや開発者に提供するために設計されたオープンソースのドキュメントQ&Aツールです。Cinnamonによって開発されたこのプロジェクトは、様々なLLM APIプロバイダー（OpenAI、AzureOpenAI、Cohereなど）をサポートし、またネイティブ...

包括的な紹介 HivisionIDPhotosは、オープンソースの軽量AI文書写真制作ツールであり、インテリジェントにユーザーの写真のシーンとキーイングを識別することができ、様々な仕様に沿って標準的な文書の写真を生成します。このツールは、カスタム背景色とサイズをサポートしており、将来的には、美しさとインテリジェントな正装の変更機能を導入する予定です。このツールで...

一般的な紹介 Markerは、PDFファイルをMarkdown形式に迅速かつ正確に変換するために設計されたディープラーニングベースの文書処理ツールです。幅広い種類のドキュメントをサポートし、特に書籍や科学論文の変換に最適化されています。Markerは、ヘッダーやフッターなどの冗長なコンテンツを削除し、表や...

はじめに SadTalkerは、1枚の静止画と音声ファイルを組み合わせて、パーソナライズされたメッセージや教育コンテンツなど、幅広いシナリオに対応するリアルなトーキングアバター動画を作成するオープンソースツールです。ExpNetやPoseVAEなどの3Dモデリング技術の革命的な使用、優れたキャプチャ...

一般的な紹介 VideoReTalkingは、ユーザーが入力音声に基づいてリップシンクロナイズされた顔映像を生成し、異なる感情であっても高品質でリップシンクロナイズされた出力映像を生成できる革新的なシステムである。このシステムは、この目標を3つの連続したタスクに分解する。