Projeto de código aberto de IA

Introdução abrangente O Datalab oferece uma variedade de modelos avançados de IA com foco em OCR, análise de layout, PDF para Markdown e muito mais. Esses modelos não são apenas de alto desempenho, mas também fáceis de usar e de código aberto. Os modelos Marker da plataforma podem ser usados com rapidez e precisão...

Introdução geral A ModelBest é uma empresa que se concentra no desenvolvimento de modelos grandes, leves e de alto desempenho, e se dedica a aplicar tecnologias avançadas de IA aos principais produtos eletrônicos de consumo e a todos os tipos de dispositivos finais da vida cotidiana. Sua série MiniCPM de modelos finais com extrema potência aritmética e eficiência no uso da memória...

Introdução geral O Podcastfy é um pacote Python de código aberto que usa a tecnologia GenAI (Generative Artificial Intelligence, Inteligência Artificial Generativa) para converter conteúdo da Web, arquivos PDF, texto, imagens, vídeos do YouTube e muitas outras fontes em...

Introdução abrangente A One API é um sistema de gerenciamento e distribuição de interface de código aberto que oferece suporte a vários modelos grandes, como o OpenAI ChatGPT, o Anthropic Claude, o Google PaLM 2 e o Gemini. O ...

Introdução abrangente O AiPPT é uma ferramenta de geração de PPT baseada em tecnologia de inteligência artificial, projetada para ajudar os usuários a criar rapidamente apresentações profissionais. Ele gera automaticamente slides ricos em conteúdo e com design bonito, inserindo temas, carregando arquivos ou fornecendo URLs etc. Ele oferece suporte a gráficos nativos, animações e recursos especiais em 3D...

Introdução abrangente O Easegen é uma plataforma de criação de cursos digitais humanos de código aberto que visa melhorar a eficiência da produção e do gerenciamento de conteúdo de ensino por meio da tecnologia de IA. A plataforma oferece uma solução completa, desde a produção do curso, o gerenciamento de vídeo até o questionamento inteligente, que permite aos usuários criar cursos digitais em vídeo com explicação humana...

Introdução geral A LangChain apresenta o Open Canvas, um aplicativo da Web de código aberto projetado para aprimorar a experiência de edição e colaboração de documentos com funcionalidade de memória de agente duplo integrada e smith integrado para observar todos os detalhes da execução. A plataforma é alimentada pelo OpenA...

Descrição geral O AutoGen Studio 2.0 é uma interface de usuário desenvolvida pelo AutoGen para simplificar o processo de criação e gerenciamento de soluções multiagentes. A plataforma permite que os usuários definam e modifiquem declarativamente os agentes e seus fluxos de trabalho por meio de uma interface intuitiva...

Introdução geral O MeetingMind é um aplicativo avançado de IA projetado para melhorar a eficiência da captura e do resumo de reuniões de negócios. O aplicativo integra a tecnologia Whisper da OpenAI para uma conversão precisa de voz em texto e usa o IBM Watso...

Introdução abrangente O Coqui TTS é um kit de ferramentas de geração de texto para fala (TTS) avançado e de código aberto baseado em técnicas de aprendizagem profunda. Ele foi testado em ambientes de pesquisa e produção e oferece um rico conjunto de recursos e modelos que suportam a conversão de texto em fala em vários idiomas.

Introdução geral O MemFree é um mecanismo de pesquisa de IA híbrido avançado capaz de pesquisar e fazer perguntas por meio de texto, imagens, documentos e páginas da Web. Ele fornece acesso com um clique aos resultados da pesquisa de texto, mapas mentais, imagens e vídeos. O MemFree tem como objetivo extrair informações da base de conhecimento do usuário e...

Descrição geral O BlinkShot é um gerador de imagens de IA em tempo real e de código aberto que utiliza a tecnologia Together AI e Flux Schnell para permitir que os usuários gerem imagens de alta qualidade à medida que inserem avisos. A plataforma é totalmente gratuita e oferece suporte à personalização do usuário e à...

Introdução abrangente O FunASR é um kit de ferramentas de reconhecimento de fala de código aberto desenvolvido pelo Alibaba Dharma Institute, com o objetivo de unir pesquisa acadêmica e aplicações industriais. Ele suporta uma ampla gama de recursos de reconhecimento de fala, incluindo reconhecimento de fala (ASR), detecção de ponto final de voz (VAD), recuperação de pontuação, modelagem de linguagem, fala...

Introdução geral O UltraPixel é uma tecnologia avançada de geração de imagens de resolução ultra-alta projetada para criar imagens de altíssima qualidade e ricas em detalhes. Ela foi desenvolvida pelo usuário catcathh do GitHub e apresentada no NeurIPS 2024.U...

Geral: o SiYuan Notes (SiYuan) é um software de gerenciamento de conhecimento pessoal que prioriza a privacidade, é totalmente de código aberto e oferece suporte à auto-hospedagem. Ele é escrito em TypeScript e Golang, fornece referências refinadas em nível de bloco e Markdown WYSIWYG (WYSIWY...

Introdução geral O Abu Quantitative Trading System é uma plataforma de código aberto baseada em Python. Foi criada pelo usuário "bbfamily" para ajudar os investidores a implementar estratégias de negociação quantitativas por meio de código. O sistema suporta backtesting e negociação de vários produtos financeiros, como ações, opções, futuros e bitcoin. Ele...

Introdução abrangente A Knowledge Table (Tabela de conhecimento) é um projeto de código aberto criado para simplificar o processo de extração e exploração de dados estruturados de documentos não estruturados. Os usuários podem criar representações de conhecimento estruturado, como tabelas e gráficos, por meio de uma interface de consulta em linguagem natural. A ferramenta permite personalizar a extração ...

Introdução abrangente O CogView3 é um sistema avançado de imagens geradas por texto desenvolvido pela Universidade de Tsinghua e pela Think Tank Team (Chi Spectrum Qingyan). Ele se baseia em um modelo de difusão em cascata e gera imagens de alta resolução em vários estágios. Os principais recursos do CogView3 incluem geração em vários estágios, arquitetura inovadora e desempenho eficiente...

Introdução geral O RocketNotes é um aplicativo de anotações Markdown baseado na Web que integra recursos de preenchimento de texto, bate-papo e pesquisa semântica orientados pelo Large Language Model (LLM). O projeto usa o RAG (Re...

Introdução abrangente O F5-TTS é um novo sistema de conversão de texto em fala (TTS) não-autoregressivo baseado em um transformador de difusão (DiT) compatível com o fluxo. O sistema otimiza a representação do texto usando o modelo ConvNeXt...

Introdução abrangente O AsrTools é uma ferramenta inteligente de conversão de voz em texto com interfaces integradas de grandes empresas, como Cutscene, QuickScope, MustCut etc. Não requer GPU nem configuração complicada e oferece suporte ao processamento eficiente de lotes com vários threads. Baseia-se no desenvolvimento do PyQt5, com uma interface bonita e amigável, capaz de gerar palavras nos formatos SRT e TXT...

Introdução abrangente O Surya é um kit de ferramentas de OCR de documentos multilíngues de código aberto que oferece suporte ao reconhecimento de texto em mais de 90 idiomas. Ele executa não apenas a detecção de texto linha por linha, mas também a análise de layout, a detecção da ordem de leitura e o reconhecimento de tabelas.

Como a implantação doméstica não pode acessar o hugging face, então, no programa de implantação do big brother, com base na transformação para poder implantar nos trabalhadores do cloudflare. Preparação 1, registrar o cloudflare 2, registrar o hugging fac...

Descrição geral O Inbox Zero é um aplicativo de gerenciamento de e-mail de código aberto projetado para ajudar os usuários a obter rapidamente zero e-mails na caixa de entrada com um assistente de IA. O aplicativo oferece uma variedade de recursos, incluindo resposta automática, arquivamento, rotulagem e encaminhamento de e-mails, gerenciamento e cancelamento de assinatura de boletins informativos, bloqueio de e-mails frios, acompanhamento...

Introdução abrangente O Ape Mouth Calculator Reverse Notes é um projeto de código aberto que visa documentar e compartilhar o processo e os métodos de engenharia reversa do aplicativo Ape Mouth Calculator. O projeto contém uma variedade de ferramentas e técnicas reversas para usar as instruções, como Frida, dexdump etc., para ajudar os usuários a entender e decifrar a calculadora oral do macaco...

Introdução abrangente A Ape Mouth Calculator Automatic Question Answer Tool é um projeto de código aberto baseado em Python, desenvolvido para resolver com eficiência as perguntas no aplicativo Ape Mouth Calculator por meio de reconhecimento de OCR e scripts de automação. A ferramenta usa tecnologias como OpenCV e Tesseract para poder identificar as perguntas na tela em tempo real...

Introdução geral O GPT-Telegram-Worker é um bot de IA do Telegram multimodelo baseado no Cloudflare Workers com suporte para vários APs, como OpenAI, Claude, Azure e muito mais...

Introdução geral O Cloud Document Converter é uma extensão do Chrome projetada para converter documentos em nuvem do Flying Book para o formato Markdown. Os usuários podem facilmente baixar ou copiar documentos em nuvem do Flying Book para o formato Markdown...

Introdução abrangente O QuickPiperAudiobook é um projeto de código aberto desenvolvido para converter vários formatos de texto (por exemplo, epub, mobi, txt, PDF, HTML etc.) em audiolivros com som natural por meio de um simples comando. A ferramenta usa o Pi...

Introdução abrangente O Crawl4AI é uma ferramenta de rastreamento assíncrono da Web de código aberto projetada para modelos de linguagem grande (LLMs) e aplicativos de inteligência artificial (IA). Ele simplifica o rastreamento da Web e o processo de extração de dados, oferece suporte ao rastreamento eficiente da Web e fornece formatos de saída compatíveis com LLM para...

Introdução geral O Cloudflare Serverless Registry é um registro de contêineres sem servidor baseado no Cloudflare Workers e no armazenamento R2. Ele suporta push e pull de imagens e fornece nome de usuário, senha e...

Introdução geral O Auto_Jobs_Applier_AIHawk é uma ferramenta para automatizar a busca de empregos usando tecnologia de inteligência artificial. Ela ajuda os usuários a automatizar a entrega de um grande número de currículos em um curto período de tempo e a personalizá-los de acordo com suas informações pessoais e intenções de busca de emprego. A ferramenta foi projetada para aumentar...

Introdução abrangente simple-one-api é um projeto de código aberto desenvolvido para simplificar a integração de várias APIs de modelo grande. Ele é compatível com APIs compatíveis com OpenAI, como Thousand Sails Big Model Platform, Xunfei Starfire Big Model, Tencent Mixed Element, MiniMax e Deep-Seek...

Introdução geral O Voice Changer é uma ferramenta de transformação de voz em tempo real de código aberto que oferece suporte a uma ampla variedade de modelos de voz de IA, como MMVC, so-vits-svc, RVC, DDSP-SVC e Beatrice.

Introdução abrangente O VoAPI é um novo sistema de gerenciamento e distribuição de interface de modelo de IA de alto perfil e alto desempenho, usado principalmente para canais de distribuição e gerenciamento interno pessoal ou empresarial. Desenvolvido com base na NewAPI, o sistema oferece módulos funcionais avançados e interface de usuário otimizada, com o objetivo de aprimorar...

Introdução abrangente O MockingBird é um projeto de código aberto que visa à clonagem rápida de fala e à conversão de texto em fala por meio da tecnologia de IA. Os usuários só precisam fornecer 5 segundos de amostras de voz, e você pode gerar qualquer conteúdo de voz. O projeto oferece suporte a uma variedade de conjuntos de dados chineses e, no Windows ...

Descrição geral O Clone Voice é uma ferramenta de clonagem de som de código aberto que fornece uma interface baseada na Web que permite aos usuários clonar vozes usando qualquer som ou gravação de voz pessoal. A ferramenta é fácil de usar, mesmo sem uma GPU NVIDIA, e pode ser usada com um aplicativo pré-compilado...

Introdução abrangente O StreamingT2V é um projeto público desenvolvido pela equipe de pesquisa de IA da Picsart, focado na geração de vídeos longos coerentes, dinâmicos e dimensionáveis com base em descrições textuais. Essa tecnologia usa uma abordagem autorregressiva avançada que garante a consistência temporal do vídeo com o texto da descrição de forma rigorosa...

Introdução geral O Text2Video-Zero é uma implementação oficial de um gerador de texto para vídeo com amostra zero para o GitHub, desenvolvido pela equipe de pesquisa de IA da Picsart. O projeto oferece uma maneira de usar dicas de texto para gerar texto com consistência temporal e...

O Comprehensive Introduction Retrieval based Voice Conversion WebUI é uma estrutura de conversão de voz baseada em VITS fácil de usar que permite a conversão de voz entre quaisquer alto-falantes, inclusive covers de músicas e alterações de voz em tempo real. Ele tem baixo ...

Introdução abrangente O VoiceCraft é uma ferramenta de edição de fala de código aberto e de síntese de fala de amostra zero baseada no modelo de linguagem do codec neural. Ele emprega um método inovador de geração de sequência codificada que permite operações de inserção, exclusão e substituição em sequências de fala existentes para gerar uma fala editada natural e coerente...

Descrição geral edge-tts é um módulo Python de código aberto que permite que os usuários usem o serviço de conversão de texto em fala on-line do Microsoft Edge no código Python sem a necessidade do navegador Microsoft Edge, do sistema operacional Windows ou do segredo da API...

Introdução geral O CoAI.Dev (antigo Chat Nio) é uma plataforma de bate-papo que integra vários modelos de IA e oferece suporte a streaming distribuído, geração de imagens, sincronização e compartilhamento de conversas entre dispositivos. Ele implementa um sistema de faturamento de assinatura e token, serviço de trânsito de chaves e vários...

Introdução abrangente O ChatOllama é um projeto de aplicativo de bate-papo on-line de código aberto baseado em um modelo de linguagem em grande escala (LLM), com suporte a vários modelos de linguagem e gerenciamento de base de conhecimento. Os usuários podem usar a plataforma para gerenciamento de modelos (exibição de lista, download, exclusão), bate-papo com modelos e outras funções. O projeto usa ...

Introdução abrangente O MinerU é uma ferramenta de extração de dados de código aberto desenvolvida pela equipe do OpenDataLab no Laboratório de Inteligência Artificial de Xangai, com foco na extração eficiente de conteúdo de documentos PDF complexos, páginas da Web e eBooks. Ele é capaz de obter PDFs multimodais contendo imagens, fórmulas, tabelas e outros elementos...

Introdução geral O DCT-Net é um projeto de código aberto desenvolvido pela DAMO Academy e pelo Instituto de Tecnologia da Computação Wang Xuan, da Universidade de Pequim, que visa à transformação estilizada de imagens em anime. O projeto utiliza técnicas de aprendizagem profunda por meio da tradução calibrada por domínio (Domain-Calibrat...

Introdução geral Diffusers Image Outpaint é uma poderosa ferramenta de expansão de imagens de IA criada pelo membro da comunidade Hugging Face, fffiloni. A ferramenta utiliza técnicas avançadas de modelagem de difusão para trazer imagens para...

Introdução abrangente O Tap4 AI WebUI é um projeto de site de navegação de ferramentas de IA leve e de código aberto, projetado para ajudar os usuários a criar facilmente seu próprio catálogo de ferramentas de IA. O projeto usa o Next.js e a pilha de tecnologia Supabase, com suporte para otimização de SEO em vários idiomas, para fornecer...

CodeFormer Introdução geral O CodeFormer é uma base de código para reparo robusto de faces cegas, desenvolvida por uma equipe de pesquisadores do S-Lab da Universidade Tecnológica de Nanyang e apresentada no NeurIPS 2022. O projeto utiliza um transformador de pesquisa de livro de código (C...

Introdução abrangente O GFPGAN (Generative Facial Prior GAN) é um algoritmo de reparo facial de código aberto desenvolvido pelo Tencent ARC (Applied Research Center). O algoritmo usa um GAN facial pré-treinado...

Introdução geral O Curiosity é um projeto voltado para a exploração e a experimentação, usando principalmente as pilhas de tecnologia LangGraph e FastHTML, com o objetivo de criar um produto de pesquisa semelhante ao Perplexity AI. O cerne do projeto é um sistema simples...

Introdução geral O Moshi Chat é um assistente de voz de IA em tempo real de ponta a ponta da Kyutai, um laboratório francês de IA sem fins lucrativos. Ele não apenas ouve em tempo real, mas também se envolve em conversas naturais e oferece suporte a interações multimodais, incluindo a capacidade de ver, ouvir e falar.Moshi Ch...

QAnything Introdução abrangente O QAnything (Question and Answer based on Anything) é um sistema local de perguntas e respostas baseado em conhecimento lançado pela NetEase, que suporta todos os tipos de formatos de arquivos e bancos de dados e pode ser instalado e usado off-line....

Descrição geral O stickerbaker é um criador de adesivos de código aberto que usa tecnologia de inteligência artificial para criar uma variedade de adesivos interessantes. Quer você queira um simples adesivo de gato ou uma série de adesivos diversos, o stickerbaker pode atender às suas necessidades...

Introdução geral O ALog é um aplicativo de diário de voz baseado em IA projetado para ajudar os usuários a registrar suas vidas diárias por voz. Ele foi desenvolvido pela duxins e tem código aberto no GitHub. Os usuários podem gravar entradas de diário por meio de entrada de voz, e o aplicativo converterá automaticamente a voz em texto...

Introdução abrangente O OpenSPG é um mecanismo de gráfico de conhecimento de código aberto desenvolvido pelo Ant Group em colaboração com o OpenKG, com base na estrutura do SPG (Semantic Augmented Programmable Graph). O mecanismo foi projetado para fornecer recursos como representação semântica explícita, definição de regras lógicas e estrutura operacional para dar suporte à construção e ao gerenciamento de gráficos de conhecimento de domínio...

Introdução geral O Mem0 (pronuncia-se "mem-zero") é um projeto de código aberto que fornece uma camada de memória inteligente para assistentes e agentes de IA. Ele lembra as preferências do usuário, adapta-se às necessidades individuais e melhora com o tempo, o que o torna ideal para chatbots com suporte ao cliente, assistentes de IA e sistemas autônomos...

Introdução geral O Void é uma alternativa de código aberto ao Cursor baseada em uma ramificação do repositório vscode. O objetivo do Void é melhorar continuamente sua funcionalidade e estabilidade por meio das contribuições da comunidade e da rápida iteração...

Introdução geral O GaiaNet-AI/gaianet-node é um projeto de código aberto que permite aos usuários instalar rapidamente a pilha de software de nó padrão no Mac, Linux ou Windows WSL com um único comando. Os usuários podem inicializar os nós, personalizar as configurações, fazer download...

Introdução geral O LlamaCoder é uma ferramenta de geração de código-fonte aberto baseada no Llama 3.1 e no Together AI. Ele pode gerar pequenos aplicativos com comandos simples, adequados para que os desenvolvedores concretizem ideias rapidamente.

Descrição geral O awesome-cursorrules é um projeto dedicado a fornecer arquivos de regras personalizadas para o Cursor AI. O Cursor AI é um editor de código com tecnologia AI, e os arquivos .cursorrules podem ser definidos...

Introdução geral O MathTranslate é uma ferramenta on-line dedicada à tradução de documentos LaTeX, especialmente para artigos científicos. A ferramenta é capaz de manter as expressões LaTeX (por exemplo, expressões matemáticas) inalteradas e, por fim, compila documentos LaTeX em...

Introdução abrangente O GOT-OCR2.0 é um modelo de reconhecimento óptico de caracteres (OCR) de código aberto co-proposto pela StepStar, cujo objetivo é impulsionar a tecnologia de OCR em direção ao OCR-2.0 por meio de um modelo unificado de ponta a ponta. O modelo oferece suporte a uma ampla variedade de tarefas de OCR, incluindo reconhecimento de texto normal, gr...

Introdução geral O tgwechat é um plug-in do WeChat de código aberto, desenvolvido pelo desenvolvedor dplusec. Ele protege a privacidade do bate-papo do WeChat com criptografia de ponta a ponta, permitindo que os usuários enviem mensagens com segurança. O projeto foi lançado no GitHub em 31 de agosto de 2019 sob a licença GPL v3...

Introdução geral O OpenSumi Lite é uma solução de IDE de front-end puro baseada no projeto OpenSumi, projetado para fornecer recursos de visualização e edição de código sem a necessidade de um ambiente Node.js. O projeto é co-desenvolvido pelo Alibaba Group e pelo Ant Group e usa...

Introdução geral O Forecast AI é uma excelente plataforma de previsão baseada em tecnologia avançada de inteligência artificial. Ela usa análises de dados poderosas e algoritmos de aprendizado de máquina para fornecer aos usuários previsões altamente precisas de eventos futuros. Quer se trate de eleições políticas, tendências econômicas ou eventos sociais, o Forecast ...

Introdução abrangente O GPT-SoVITS é uma ferramenta de conversão e síntese de fala de código aberto que combina o modelo GPT e a tecnologia de troca de voz SoVITS. A ferramenta é compatível com a conversão de texto para fala em tempo real com zero e poucas amostras, e com a migração de estilo de voz com apenas 5 segundos de amostras de áudio. Seus recursos incluem a conversão entre idiomas ...

Introdução geral O Fish Speech é uma ferramenta de síntese de texto para fala (TTS) de código aberto desenvolvida pela Fish Audio. A ferramenta é baseada em tecnologias de IA de ponta, como VQ-GAN, Llama e VITS, e é capaz de converter texto em fala realista.

Introdução geral O IMS Toucan é um kit de ferramentas de conversão de texto em fala (TTS) de última geração desenvolvido pelo Instituto de Processamento de Linguagem Natural (IMS) da Universidade de Stuttgart, Alemanha. O kit de ferramentas é compatível com mais de 7.000 idiomas e é rápido, controlável e tem baixos requisitos de recursos computacionais.

Introdução geral A Product Hunt Daily Chinese Hotlist é uma ferramenta automatizada baseada no GitHub Actions que gera uma lista diária de produtos populares no Product Hunt em intervalos regulares, na forma de um arquivo Markdown...

Descrição geral O CrisperWhisper é uma ferramenta avançada de reconhecimento de fala baseada no OpenAI Whisper que se concentra na transcrição de fala rápida, precisa e palavra por palavra. Ele fornece registros de data e hora precisos em nível de palavra, mesmo com preenchimentos e pausas na fala...

Introdução abrangente O PaddleOCR é um kit de ferramentas de OCR multilíngue baseado no PaddlePaddle, projetado para fornecer um sistema de OCR prático e ultraleve. Ele é compatível com o reconhecimento de mais de 80 idiomas e oferece ferramentas de anotação e síntese de dados para...

Introdução geral O Deep Live Cam é uma ferramenta de inteligência artificial de código aberto projetada para permitir a substituição de rostos em tempo real e a geração de vídeos falsos profundos a partir de uma única foto. Usando algoritmos avançados de aprendizagem profunda, a ferramenta é capaz de substituir rostos em tempo real durante a transmissão ao vivo ou chamadas de vídeo, protegendo a privacidade do usuário e adicionando diversão...

Introdução geral O NarratoAI é uma ferramenta totalmente automatizada que integra narração de filmes e vídeos, edição automatizada, dublagem e geração de legendas. Ele se baseia na tecnologia de modelagem de linguagem em larga escala (LLM) para gerar automaticamente cópias e editar automaticamente vídeos com dublagens e legendas correspondentes, fornecendo aos usuários um...

Introdução geral O Babelfish.ai é um aplicativo de transcrição e tradução em tempo real criado com base no Huggingface Transformer.js e no Supabase Realtime. O aplicativo pode carregar modelos grandes no navegador e...

Introdução abrangente O Vector Vein é uma plataforma de criação de fluxos de trabalho de IA sem código, projetada para ajudar os usuários a criar facilmente fluxos de trabalho inteligentes e automatizados. Sem necessidade de base de programação, os usuários podem simplesmente conectar vários módulos funcionais por meio de operações de arrastar e soltar para criar fluxos de trabalho de IA complexos...

Introdução geral O LivePortrait é uma ferramenta avançada de animação de retratos dinâmicos com IA desenvolvida pela Racer Technology. Ela utiliza a inovadora tecnologia de IA para transformar imagens estáticas em animações de vídeo vívidas. Independentemente de você usar fotos reais, estilos de animação ou retratos artísticos, o LivePo...

Introdução abrangente O PhiData é uma estrutura projetada para desenvolver assistentes de IA inteligentes. Ele permite que os assistentes de IA se envolvam em conversas de longo prazo, forneçam contexto comercial preciso e realizem várias operações por meio de memória aprimorada, integração de conhecimento e recursos de invocação de ferramentas.

Introdução geral O ChatTTS é um modelo de fala generativo projetado para cenários de diálogo. Ele gera fala natural e expressiva, suporta vários idiomas e vários falantes e é adequado para diálogos interativos. O modelo faz isso prevendo e controlando recursos rítmicos refinados, como risos, pausas e interjeições, além de...

Introdução abrangente O MoneyPrinterPlus é um projeto de código aberto que visa gerar e misturar todos os tipos de vídeos curtos com um clique por meio da tecnologia de IA e publicá-los automaticamente em várias plataformas de vídeo, como Jieyin, Shutterbugs, Xiaohongshu e Video Number. A ferramenta oferece suporte a modelos de voz locais e baseados em nuvem, incluindo bate-papo...

Introdução abrangente O TF-ID (Table/Figure IDentifier) é uma família de modelos de detecção de objetos dedicada à extração de tabelas e imagens de artigos acadêmicos. O projeto foi criado por Yifei Hu e tem código aberto no GitHub. O modelo TF-ID foi desenvolvido por...

Introdução geral O Chatbot UI é um projeto de código aberto criado para ajudar os desenvolvedores a criar interfaces de conversação personalizadas e inteligentes. O projeto fornece uma série de componentes de interface e recursos interativos que podem ser facilmente integrados ao sistema Chatbot existente para oferecer aos usuários um corpo de diálogo mais fluido e inteligente...

Introdução geral O GLIGEN GUI é uma interface gráfica intuitiva baseada no ComfyUI, projetada para simplificar o uso do modelo GLIGEN, um novo modelo de texto para imagem que permite a especificação precisa da posição dos objetos em uma imagem. Com o GLIGE...

Introdução abrangente O Easy-Voice-Toolkit é um kit de ferramentas multifuncional baseado no Open Source Speech Project, que oferece uma ampla variedade de ferramentas de áudio automatizadas para reconhecimento de fala, transcrição de fala, conversão de fala, criação de conjuntos de dados e treinamento de modelos. Os usuários podem usar essas ferramentas de forma seletiva, conforme necessário...

Descrição geral O FaceFusion é uma plataforma de nuvem de última geração com troca e aprimoramento facial integrados, otimizada para troca de imagem para vídeo e imagem para imagem, com 5 modelos profissionais para garantir um resultado impecável. Além disso, ele realiza o aprimoramento facial com 7 modelos usando 3...

Introdução geral O Kotaemon é uma ferramenta de perguntas e respostas de documentos de código aberto projetada para fornecer aos usuários finais e desenvolvedores a funcionalidade de perguntas e respostas com base no Retrieval Augmented Generation (RAG). O projeto foi desenvolvido pela Cinnamon e oferece suporte a vários provedores de API LLM (por exemplo, OpenA...

Introdução abrangente O HivisionIDPhotos é uma ferramenta leve de código aberto para produção de fotos de documentos com IA, capaz de identificar de forma inteligente a cena da foto do usuário e a codificação, para gerar uma foto de documento padrão de acordo com uma variedade de especificações. A ferramenta é compatível com cores e tamanhos de fundo personalizados e, no futuro, também lançará...

Descrição geral O Marker é uma ferramenta de processamento de documentos baseada em aprendizagem profunda, projetada para converter arquivos PDF para o formato Markdown com rapidez e precisão. Ele oferece suporte a uma ampla variedade de tipos de documentos e é especialmente otimizado para a conversão de livros e artigos científicos.

Introdução geral O SadTalker é uma ferramenta de código aberto que combina uma única foto de retrato com um arquivo de áudio para criar vídeos realistas de avatares falantes para uma ampla variedade de cenários, como mensagens personalizadas, conteúdo educacional e muito mais. Uso revolucionário de tecnologias de modelagem 3D, como ExpNet e PoseVA...

Introdução geral O VideoReTalking é um sistema inovador que permite ao usuário gerar vídeos faciais sincronizados com os lábios com base no áudio de entrada, produzindo vídeos de saída de alta qualidade e sincronizados com os lábios, mesmo com emoções diferentes. O sistema divide esse objetivo em três tarefas consecutivas: com expressões típicas...

Introdução geral O MuseV é um projeto público no GitHub que visa à geração de vídeos de avatar com duração ilimitada e alta fidelidade. Ele se baseia na tecnologia de difusão e fornece Image2Video, Text2Image2Video, Video2Video...

Introdução abrangente O Unstructured-IO fornece um conjunto de componentes de código aberto para processamento e pré-processamento de imagens e documentos de texto, como PDF, HTML, documentos do Word etc. Seu principal objetivo é simplificar e otimizar os fluxos de trabalho de processamento de dados, especialmente para modelos de linguagem grandes (LL...

Introdução geral magic-html é uma biblioteca Python projetada para simplificar o processo de extração do conteúdo da região do corpo do HTML. Seja lidando com estruturas complexas de HTML ou com páginas da Web simples, essa biblioteca tem como objetivo fornecer uma interface conveniente e eficiente para os usuários. Ela oferece suporte à extração multimodal...

WebPilot Introdução geral O Webpilot é um "assistente da Web" gratuito e de código aberto que permite que você se comunique livremente com qualquer página da Web ou execute tarefas automatizadas. Não é necessário alternar entre páginas ou copiar e colar, basta selecionar o texto ou digitar comandos e o Webpilot...

Introdução abrangente O DB-GPT é uma estrutura de desenvolvimento de aplicativos de dados nativos de IA de código aberto criada usando AWEL (Agentic Workflow Expression Language) e tecnologias de corpo inteligente. O projeto tem como objetivo criar uma infraestrutura no campo de grandes modelos...

DreamTalk Introdução abrangente O DreamTalk é uma estrutura de geração de cabeças falantes de expressão orientada por modelos de difusão desenvolvida em conjunto pela Universidade de Tsinghua, pelo Grupo Alibaba e pela Universidade de Ciência e Tecnologia de Huazhong. Ele consiste principalmente de três partes: uma rede de redução de ruído, um especialista em lábios com reconhecimento de estilo e um preditor de estilo, que pode ser baseado em...

Introdução abrangente O InstantID é uma tecnologia avançada voltada para a geração de imagens com estilos ou poses personalizados em segundos, garantindo um alto nível de fidelidade com o uso de uma única imagem de referência de identificação. A tecnologia usa uma solução baseada em um modelo de difusão, integrando imagens faciais, mapas de pontos de referência...

Introdução geral A versão chinesa do ComfyUI Portrait Master é uma ferramenta de geração de palavras-chave de retratos projetada para criadores de imagens de IA. A ferramenta ajuda os usuários a gerar retratos de alta qualidade, otimizando as palavras-chave. Os usuários podem escolher diferentes lentes de acordo com a demanda...

Introdução geral O IOPaint é uma ferramenta de processamento de imagens de IA gratuita e de código aberto que oferece suporte ao apagamento, reparo e expansão de imagens. Ele usa modelos de IA de última geração para ajudar os usuários a remover facilmente objetos indesejados de imagens, reparar falhas, adicionar novo conteúdo e até mesmo expandir imagens.