LivePortrait

Open WebUI简介 Open WebUI，为大模型提供用户友好界面，支持 Ollama 并兼容 Openai API。特色有直观聊天界面、响应式设计。支持代码高亮、Markdown、LaTeX、RAG 集成、网页浏览、预设提示、RLHF 注释、模型管理、多模型和多模态、历史记录管理、语音输入、高级参数调整等。Open WebUI功能特征：直观的界面：我们的聊天界面从 ChatGPT 中汲取灵感，确保用户友好的体验。响应式设计：在桌面和移动设备上享受无缝体验。快速响应：享受快速响应的性能。轻松设置：使用 Docker 或 Kubernetes（kubectl、kustomize 或 helm）无缝安装，获得轻松的体验。代码语法高亮：使用我们的语法高亮功能增强代码可读性。完整的 Markdown 和 LaTeX 支持：通过全面的 Markdown 和 LaTeX 功能提升您的 LLM 体验，以丰富交互。本地 RAG 集成：通过开创性的检索增强生成 （RAG） 支持深入了解聊天交互的未来。此功能将文档交互无缝集成到您的聊天体验中。您可以将文档直接加载到聊天中或将文件添加到文档库中，使用提示符中的命令轻松访问它们。在 alpha 阶段，当我们积极改进和增强此功能以确保最佳性能和可靠性时，可能会偶尔出现问题。#网页浏览功能：使用命令后跟 URL 将网站无缝集成到您的聊天体验中。此功能允许您将 Web 内容直接合并到您的对话中，从而增强互动的丰富性和深度。#提示预设支持：使用聊天输入中的命令立即访问预设提示。毫不费力地加载预定义的对话启动器并加快您的交互速度。通过Open WebUI社区集成轻松导入提示。/RLHF 注释：通过竖起大拇指和竖起大拇指对消息进行评分来增强您的消息，从而促进创建用于人类反馈强化学习 （RLHF） 的数据集。利用您的消息来训练或微调模型，同时确保本地保存数据的机密性。对话标记：轻松分类和定位特定聊天，以便快速参考和简化数据收集。下载/删除模型：直接从 Web UI 轻松下载或删除模型。文件模型创建：通过直接从 Web UI 上传 GGUF 文件，轻松创建 Ollama 模型。简化流程，可选择从您的机器上传或从 Hugging Face 下载 GGUF 文件。多模式支持：在不同的聊天模式之间无缝切换，实现多样化的互动。多模态支持：与支持多模态交互的模型无缝交互，包括图像（例如 LLava）。模型文件生成器：通过 Web UI 轻松创建 Ollama 模型文件。创建和添加角色/代理，自定义聊天元素，并通过Open WebUI社区集成轻松导入模型文件。多模型对话：毫不费力地同时与各种模型互动，利用它们的独特优势获得最佳响应。通过并行利用一组不同的模型来增强您的体验。协作聊天：通过无缝编排群组对话，利用多个模型的集体智慧。使用该命令指定模型，从而在聊天界面中启用动态和多样化的对话。让自己沉浸在编织在聊天环境中的集体智慧中。@OpenAI API 集成：毫不费力地集成与 OpenAI 兼容的 API，以便与 Ollama 模型进行多功能对话。自定义 API 基本 URL 以链接到 LMStudio、Mistral、OpenRouter 等。再生历史访问：轻松重新访问和探索您的整个再生历史。聊天记录：轻松访问和管理您的对话记录。导入/导出聊天记录：无缝地将您的聊天数据移入和移出平台。语音输入支持：通过语音交互与您的模型互动;享受直接与模特交谈的便利。此外，探索在静音 3秒后自动发送语音输入的选项，以获得简化的体验。使用高级参数进行微调控制：通过调整温度等参数和定义系统提示来获得更深层次的控制，以根据您的特定偏好和需求定制对话。外部 Ollama 服务器连接：通过配置环境变量，无缝链接到托管在不同地址上的外部 Ollama 服务器。基于角色的访问控制 （RBAC）：使用受限权限确保安全访问;只有经过授权的个人才能访问您的 Ollama，并且为管理员保留独家模型创建/提取权限。后端反向代理支持：通过Open WebUI后端和Ollama之间的直接通信来增强安全性。此关键功能消除了通过 LAN 公开 Ollama 的需要。从 Web UI 向“/ollama/api”路由发出的请求从后端无缝重定向到 Ollama，从而增强了整体系统的安全性。持续更新：我们致力于通过定期更新和新功能来改进 Open WebUI。

ProPainter简介 ProPainter，一键移除视频内的移动物体，一键移除视频水印。ProPainter是一款强大的AI工具，可以帮助用户一键移除视频内的移动物体和水印。它利用先进的计算机视觉和深度学习算法，能够准确识别视频中的移动物体和水印，并将其完全移除.ProPainter使用非常简单，用户只需将需要处理的视频导入工具中，然后点击相应的功能按钮即可实现一键移除移动物体或水印。工具会自动分析视频的每一帧，并根据物体的运动轨迹或水印的位置进行准确的识别和删除。这个工具的移除视频内移动物体的功能可以帮助用户轻松去除视频中的人物、车辆等移动物体，使画面更加干净和专注。另外，ProPainter还能一键移除视频水印，无论是因为版权保护还是其他原因导致的水印，用户只需选择相应的功能，工具会自动检测并删除视频中的水印，使得视频更加原汁原味。ProPainter的简单操作和高效识别能力使得视频编辑变得更加方便和高效，无论是个人用户还是专业视频编辑人员，都能从ProPainter中获得极大的便利和效益。ProPainter功能：对象删除：从视频中删除对象。去除水印：从视频中删除水印。视频完成：完成蒙版视频。视频输出：展开视频的视图。

ChatTTS-Forge简介 ChatTTS-Forge是一个围绕 TTS生成模型开发的项目，为用户提供灵活的TTS生成能力，支持多种音色、风格控制、长文本推理等功能，ChatTTS-Forge提供了各种API（应用程序编程接口），开发人员可以直接使用这些API轻松将文本转换为语音。ChatTTS-Forge 是一个围绕 TTS（文本转语音）生成模型开发的项目。为用户提供灵活的TTS生成能力，支持多种音色、风格控制、长文本推理等功能。ChatTTS-Forge提供了各种API（应用程序编程接口），开发人员可以直接使用这些API轻松将文本转换为语音。此外，它还提供了易于使用的网页界面（WebUI），允许用户直接在网页上输入文本并生成语音，无需编程。ChatTTS-Forge的主要特点：TTS生成：支持多种TTS模型推理，包括ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS等，用户可以自由选择和切换语音。音调管理：内置多种音调，并且可以上传自定义音调。用户可以通过上传音频或文本来创建和使用自定义铃声。风格控制：提供多种风格控制选项，包括调整语音速度、音调、音量，以及添加语音增强（Enhancer）以提高输出质量。长文本处理：支持超长文本自动切分和推理，可以处理生成长文本音频内容。SSML支持：使用类似XML的SSML语法进行高级TTS合成控制，适合更详细的语音生成场景。ASR（自动语音识别） ：集成Whisper模型，支持语音转文本功能。ChatTTS-Forge的技术和方法：API服务器：用Python编写的API服务器提供高效的TTS服务，支持多个并发请求和自定义配置。WebUI ：基于Gradio的用户界面，用户可以通过简单的操作界面体验TTS功能。Docker 支持：提供 Docker 容器化部署选项，以简化本地和服务器上的部署过程。ChatTTS-Forge WebUI 的特点:TTS（文本到语音） ：通过WebUI，用户可以使用各种不同的TTS模型输入文本并生成语音。音调切换：支持多种预设音调切换，用户可以选择不同的声音来生成语音。自定义语音上传：用户可以上传自己的语音文件，实时生成个性化语音。风格控制：您可以调整语音的风格，包括语速、音高、音量等参数，以生成满足特定需求的语音。长文本处理：支持处理很长的文本，自动将长文本分割成小段并按顺序生成语音，适合生成长音频内容。批量处理：用户可以设置批量大小，以提高长文本的推理速度。精炼器：这个工具 允许您微调文本以优化生成的语音，对于处理无限长度的文本特别有用。语音增强：集成增强模型以提高生成语音的质量并使其听起来更自然。生成历史：保存最近的3次生成结果，方便用户比较不同设置下的语音效果。多模型支持：WebUI支持多种TTS模型，包括ChatTTS、CosyVoice、FishSpeech、GPT-SoVITS等，用户可以根据自己的需求选择合适的模型。SSML支持：使用类似XML的SSML语法来控制语音合成过程，适合需要更复杂控制的场景。播客工具：帮助用户从博客脚本创建长格式、多字符的音频内容。字幕生成：从字幕文件创建 SSML 脚本以生成各种语音内容。GitHub：https://github.com/lenML/ChatTTS-Forge在线体验：https://huggingface.co/spaces/lenML/ChatTTS-Forge

APISR简介 APISR是一个专注于动漫图像超分辨率的项目，旨在恢复和增强来自现实世界场景的低质量、低分辨率动漫图像和视频源。APISR支持多种上采样因子权重，如2x、4x等，以提高图像和视频的质量。APISR不仅支持动漫图像的超分辨率，还支持动漫视频，通过提升视频中每一帧的清晰度和质量，整个视频的视觉效果也会相应提升。并且用户可以实时与系统交互，根据自定义需求生成图像，强调了其灵感来源于动漫制作，目的是为了提升超高清图像的增强效果。APISR在线演示：huggingface.co/spaces/HikariDawn/APISRComfyUI-APISR：github.com/ZHO-ZHO-ZHO/ComfyUI-APISRAPISR技术特点：动漫图像和视频的超分辨率处理：APISR是一个专门针对动漫图像和视频的超分辨率工具，旨在通过先进的算法提升图像质量和分辨率。支持多倍放大：APISR提供了灵活的放大选项，支持2倍、4倍等不同级别的放大，以满足用户对高清动漫图像的需求。实时在线转换：利用APISR技术，用户可以通过在线平台快捷上传需要处理的动漫图片或视频，无需等待长时间处理，实现快速高清化。处理真实世界退化图像：特别设计算法来处理现实世界中遇到的各种图像退化问题，如模糊、噪声、压缩伪影等，有效改善动漫图像在实际应用场景中的表现。APISR的应用场景：APISR的应用场景主要集中在动漫爱好者对于高清放大动漫图片和视频的需求上，主要是针对动漫图像和视频的恢复和增强。它能够处理低质量、低分辨率的动漫图像和视频，通过超分辨率增强技术显著提高其分辨率和图像质量，旨在为用户提供更加清晰、高质量的视觉体验。APISR作为一个利用人工智能技术，特别是超分辨率技术，来改善和提升动漫图像及视频质量的工具或软件，通过模拟动漫制作过程中的视觉效果，对现实世界的低质量动漫图像和视频进行处理，以达到更高的视觉效果。

Stirling-PDF简介 Stirling-PDF，一个基于Web强大的开源PDF操作工具。它使您能够对 PDF 文件执行各种操作，包括拆分、合并、转换、重组、添加图像、旋转、压缩等。Stirling-PDF非常注意安全，所有文件和 PDF 要么仅存在于客户端，要么仅在任务执行期间驻留在服务器内存中，要么仅临时驻留在文件中以执行任务。当完成任务后，用户上传的任何文件都将会从服务器中删除。Stirling-PDF特征：深色模式支持。自定义下载选项（例如，请参阅此处）并行文件处理和下载用于与外部脚本集成的 API可选的登录和身份验证支持（请参阅此处的文档）PDF 功能Stirling-PDF页面操作查看和修改 PDF - 通过自定义查看、排序和搜索查看多页 PDF。加上页面编辑功能，如注释、绘制和添加文本和图像。（将 PDF.js 与 Joxit 和 Liberation.Liberation 字体一起使用）用于合并/拆分/旋转/移动 PDF 及其页面的完整交互式 GUI。将多个 PDF 合并到一个生成的文件中。将 PDF 拆分为指定页码的多个文件，或将所有页面提取为单个文件。将 PDF 页面重新组织为不同的顺序。以 90 度的增量旋转 PDF。删除页面。多页布局（将 PDF 格式化为多页页面）。按设置百分比缩放页面内容大小调整对比度。裁剪 PDF。自动拆分 PDF（使用物理扫描的页面分隔符）。提取页面。将 PDF 转换为单个页面。转换操作将 PDF 与图像相互转换。将任何通用文件转换为 PDF（使用 LibreOffice）。将 PDF 转换为 Word/Powerpoint/其他（使用 LibreOffice）。将 HTML 转换为 PDF。URL 到 PDF。Markdown 转换为 PDF。安全与权限添加和删除密码。更改/设置 PDF 权限。添加水印。对 PDF 进行认证/签名。清理 PDF。自动编辑文本。其他操作添加/生成/写入签名。修复 PDF。检测并删除空白页。比较 2 个 PDF 并显示文本差异。将图像添加到 PDF。压缩 PDF 以减小其文件大小（使用 OCRMyPDF）。从 PDF 中提取图像。从扫描中提取图像。添加页码。通过检测PDF标题文本自动重命名文件。PDF 上的 OCR（使用 OCRMyPDF）。PDF/A 转换（使用 OCRMyPDF）。编辑元数据。拼合 PDF。获取 PDF 上的所有信息以查看或导出为 JSON。Stirling PDF 有 3 个不同的版本，完整版、精简版和超精简版。根据您使用的功能和空间大小来选择。

Whisper语音识别模型简介 Whisper 是Openai 开源音频转文字的语音识别模型。它在不同音频的大型数据集上进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。Whisper有五种模型尺寸，提供速度和准确性的平衡，其中English-only模型提供了四种选择。下面是可用模型的名称、大致内存需求和相对速度。

Emote Portrait Alive简介 Emote Portrait Alive是阿里巴巴发布的EMO，一种音频驱动的AI肖像视频生成框架。输入单个参考图像和声音音频，例如说话和唱歌，Emote Portrait Alive就可以生成具有表情丰富的面部表情和各种头部姿势的声音肖像视频，让照片中的人物根据音频内容自然地张嘴说话或唱歌，面部表情和头部姿态非常逼真。同时，我们可以根据输入视频的长度生成任意持续时间的视频。Emote Portrait Alive功能和特点：音频驱动的视频生成：EMO能够根据输入的音频（如说话或唱歌）直接生成视频，无需依赖于预先录制的视频片段或3D面部模型。高表现力和逼真度：生成的视频具有高度的表现力，能够捕捉并再现人类面部表情的细微差别，包括微妙的微表情，以及与音频节奏相匹配的头部运动。无缝帧过渡：确保视频帧之间的过渡自然流畅，避免了面部扭曲或帧间抖动的问题，从而提高了视频的整体质量。身份保持：通过FrameEncoding模块，EMO能够在视频生成过程中保持角色身份的一致性，确保角色的外观与输入的参考图像保持一致。稳定的控制机制：采用了速度控制器和面部区域控制器等稳定控制机制，以增强视频生成过程中的稳定性，避免视频崩溃等问题。灵活的视频时长：可以根据输入音频的长度生成任意时长的视频，为用户提供了灵活的创作空间。跨语言和跨风格：训练数据集涵盖了多种语言和风格，包括中文和英文，以及现实主义、动漫和3D风格，使得EMO能够适应不同的文化和艺术风格。Emote Portrait Alive应用场景：唱歌视频生成：输入一张人物肖像照片和唱歌音频，EMO可以生成与音频同步且富有表现力的唱歌视频。说话视频生成：不仅限于唱歌，还可以处理说话音频，生成与语音同步的说话视频。多语言支持：支持多种语言的音频输入，能够生成不同语言下的人物肖像视频。跨风格应用：可以将不同风格（如动漫、3D模型等）的肖像图像与音频结合，生成具有特定风格的视频内容。Emote Portrait Alive不仅限于处理唱歌的音频输入，还可以容纳各种语言的口语音频。此外，Emote Portrait Alive还能够将过去的老照片、绘画以及 3D 模型和AI生成的内容制作成视频，为它们注入逼真的动作和真实感。

LangChain简介 LangChain是一个用于构建基于大型语言模型（LLMs）的应用程序的开源框架。 LLMs 是根据大量数据预先训练的大型深度学习模型，可以生成对用户查询的响应，例如回答问题或根据基于文本的提示创建图像。LangChain 提供工具和抽象来提高模型生成信息的定制性、准确性和相关性。它通过将语言模型连接到上下文源并根据提供的上下文进行推理，简化了创建生成式人工智能应用程序接口的过程，并简化了人工智能应用程序的开发。LangChain由几个部分组成，包括LangChain Libraries、LangChain Templates和LangServe，它们共同为各种任务提供了一系列易于部署的参考架构。 LangChain 还包含允许 LLMs 无需重新训练即可访问新数据集的组件，从而提高 AI 开发人员的效率。LangChain功能特征：核心功能：LangChain 允许用户将不同的组件链接在一起，围绕 LLMs 创建高级用例。这些组件可能包括提示模板、LLMs 和使用 LLMs 决定应采取哪些操作的代理。应用程序开发：在LangChain中开发应用程序的过程通常包括定义应用程序、使用提示构建功能以及自定义功能以满足特定用例要求。安装：要开始使用LangChain，您可以使用pip或conda来安装它。此外，LangChain 可能需要与模型提供者、数据存储和 API 集成，这些可以设置为环境的一部分。灵活性和可扩展性：LangChain非常灵活，可用于构建从聊天机器人到问答系统的各种应用程序。它还提供了满足不同应用需求的可扩展性。开源免费：LangChain是开源的，完全免费使用。它可以从 GitHub 下载并安装在计算机上。此外，它还可以作为 Docker 镜像提供，以便在云平台上轻松部署。LangChain案例：Wolfram Alpha：提供强大的计算和数据可视化功能，实现复杂的数学功能。Google 搜索：提供对 Google 搜索的访问，为应用程序和代理提供实时信息。OpenWeatherMap：获取天气信息。维基百科：提供对维基百科文章信息的高效访问。LangChain 由 Harrison Chase 于 2022 年 10 月推出，迅速崛起：截至 2023 年 6 月，它是 Github 上增长最快的开源项目。 1 与下个月 OpenAI 的 ChatGPT 的重大发布同时发生，LangChain 在生成式 AI 广泛流行后，在让生成式 AI 更容易被爱好者使用方面发挥了重要作用。总的来说，LangChain 提供了一个通用框架，用于构建由语言模型功能支持的应用程序，提供灵活性、可扩展性和一系列组件来围绕 LLMs 创建高级用例。