FaceFusion：视频换脸增强工具|语音同步视频嘴型动作
综合介绍 FaceFusion是一个集成了面部交换与增强功能的先进云平台，优化了“图像到视频”、“图像到图像”的交换过程，并拥有5个专业模型，以确保无瑕的输出。此外，它通过7种模型进行面部增强，使用3种不同模型提升...
共 176 篇文章
标签：AI开源项目 第15页
Kotaemon：简单部署的开源多模态文档问答工具
综合介绍 Kotaemon 是一个开源的文档问答工具，旨在为终端用户和开发者提供基于检索增强生成（RAG）的问答功能。该项目由 Cinnamon 开发，支持多种 LLM API 提供商（如 OpenAI、AzureOpenAI、Cohere 等）以及本地...
GizAI 集成主流商业化生成式AI工具，不限文本、图像、音频、视频生成工具，这一切完全免费！
GizAI 是一个集成了AI生成、笔记和云存储功能的一站式平台。用户可以通过GizAI生成图像、视频、音频、文本、角色、故事和游戏，并且可以在平台上进行协作笔记和云存储。GizAI 提供了多种AI工具，帮助用户提高生产力和创造力，同时保护用户隐私，不会在未经同意的情况下使用用户数据进行AI训练。 GizAI 由 Giz Inc. 运营，成立于 Stripe Atlas，并获得 Google for Startups Cloud、Microsoft for Startups Founders Hub、AWS Activate 和 Paddle AI LaunchPad 等项目的支持。GizAI 坚信 使用先进的 生成式AI技术 是每个人的权力，提供免费的广告支持计划，允许用户生成、协作和分享内容。
HivisionIDPhotos：开源智能AI证件照制作工具
综合介绍 HivisionIDPhotos 是一款开源的轻量级 AI 证件照制作工具，能够智能识别用户拍照场景并进行抠图，生成符合多种规格的标准证件照。该工具支持自定义背景色和尺寸，未来还将推出美颜和智能换正装功能。用...
Marker：快速将PDF转换为Markdown的开源工具
综合介绍 Marker 是一个基于深度学习的文档处理工具，旨在将 PDF 文件快速准确地转换为 Markdown 格式。它支持多种文档类型，特别优化了书籍和科学论文的转换。Marker 能够去除页眉页脚等多余内容，格式化表格和...
VideoReTalking：音频驱动的嘴唇同步和视频编辑系统
综合介绍 VideoReTalking是一款创新的系统，允许用户根据输入音频生成唇形同步的面部视频，即使有不同的情绪，也能产生高质量且嘴唇同步的输出视频。系统将这一目标分解为三个连续任务：带有典型表情的面部视频生...
MuseV：完整数字人视频生成框架|人像转视频|姿态转视频|唇形同步
综合介绍 MuseV是一个GitHub上的公共项目，旨在实现无限长度和高保真度的虚拟人视频生成。它基于扩散技术，并提供了Image2Video、Text2Image2Video、Video2Video等多种功能。提供了模型结构、使用案例、快速开始...
Unstructured：开源预处理非结构化文档，无结构数据处理的利器
综合介绍 Unstructured-IO 提供了一系列开源组件，用于处理和预处理图像和文本文档，如 PDF、HTML、Word 文档等。其主要目标是简化和优化数据处理工作流程，特别是为大语言模型（LLM）应用提供支持。Unstructured...
magic-html：从HTML网址中提取主体数据，输出纯文本/markdown
综合介绍 magic-html是一个Python库，旨在简化从HTML中提取主体区域内容的过程。无论处理的是复杂的HTML结构还是简单的网页，这个库都旨在为用户提供一个便捷高效的接口。它支持多模态抽取，支持多种版面extracto...
WebPilot：智能网页信息处理工具，网页内容抓取免费API
WebPilot 综合介绍 Webpilot是一个免费开源的“网页助手”，它可以让你和任何网页进行自由交流，或者执行自动任务。你不需要切换网页或者复制粘贴，只需要选择文本或者输入指令，webpilot就会为你提供实时信息和智...
DreamTalk：使用一张头像图片即可生成表情丰富的说话视频
DreamTalk 综合介绍 DreamTalk是一个扩散模型驱动的表情说话头生成框架，由清华大学、阿里巴巴集团和华中科技大学联合开发。主要由降噪网络、风格感知嘴唇专家和风格预测器三部分构成，能够基于音频输入生成多样...