Make-A-Character

Kolors Virtual Try-On简介 Kolors Virtual Try-On是一个由快手可图团队开发的ai试衣技术，通过可图AI试衣，用户上传自已的照片，就可以在几秒钟内看到自己穿上不同衣服的效果。可图AI试衣在可图基座模型基础上，引入衣服SKU保持网络，实现服饰细节特征的提取与表征。目的在于让用户可以即时看到服装在自己身上的效果，轻松搭配出不同风格，使买家能够更高效地做出购买决策，同时降低卖家的退货成本。Kolors Virtual Try-On可图AI试衣技术特点：保持衣服款式细节：支持多种衣服类型款式，包括上装、长裙等，同时保留衣服图案、文字花纹等细节，实现商品SKU服饰同款保持效果。自然的人物试穿效果：可图AI试衣能生成贴合人物的自然试穿效果，就像本人穿衣服拍照一样，支持室内人物、室外街拍多种场景，实现从平铺衣服到穿衣上身，生成效果符合物理客观规律。全流程素材生成能力：可图大模型支持跨越不同年龄、性别、种族人物模特及背景生成，支持海内外电商模特素材生成需求，以及从模特素材图到模特短视频的全流程生成。Kolors Virtual Try-On可图AI试衣应用场景：买家试衣：帮助买家在购买前看到衣服的实际效果，提高购买决策的效率。电商素材生成：为卖家提供快速更新服饰图片、短视频等电商素材的能力，缩短新品上架迭代更新时间。变装特效：在短视频内容创作中，提供“变装”特效，创作出有趣、有用的日常穿搭内容分享。Kolors Virtual Try-On可图AI试衣技术原理：Kolors Virtual Try-On技术通过引入衣服SKU保持网络，实现服饰细节特征的提取与表征。同时，利用人物pose姿势、Mask掩码图像作为条件特征，实现人物姿势保持的换衣效果。此外，还复用了可图背景修复技术，采用高质量人物衣服pair对大数据训练，提升试穿效果。Kolors Virtual Try-On可图AI试衣的主要目标是帮助用户尝试不同的服装风格，而无需实体购物的麻烦。目的是通过减少与尺寸和颜色不匹配相关的问题来增强在线购物体验。Kolors Virtual Try-On可图AI试衣体验方式：可图AI试衣免费体验：https://huggingface.co/spaces/Kwai-Kolors/Kolors-Virtual-Try-OnGithub可图开源项目：https://github.com/Kwai-Kolors/KolorsHuggingFace可图模型：https://huggingface.co/Kwai-Kolors/Kolors可灵AI平台：https://klingai.kuaishou.com/text-to-image/new

WhisperFusion简介 WhisperFusion 建立在开源工具 WhisperLive 和 WhisperSpeech 的功能之上。WhisperFusion可以让你和ai聊天机器人进行超低延迟对话，同时它还整合了Mistral模型，增强对转录文本上下文的理解。使得WhisperFusion能更好地理解人说的每句话背后的意思。WhisperFusion 的主要功能：1、实时语音转文本：利用 OpenAI WhisperLive 进行转换将口语实时转换为文本，方便进行后续的处理和回应。2、整合大语言模型：通过加入 Mistral 这样的大语言模型，WhisperFusion 能够更好地理解转换成文字的语音内容，提高回应的准确性和相关性。3、性能优化：使用 TensorRT 技术对语言模型和 Whisper 进行了优化，确保了快速、高效的处理能力，特别是在实时语音转文本的应用中。4、推理加速：利用 torch.compile 对 WhisperSpeech 进行优化，通过即时编译（JIT）PyTorch 代码，进一步加快了处理速度，减少了延迟。5、易于使用：提供预构建的 Docker 容器，包含了所有必要的组件和模型，用户可以很容易地开始使用 WhisperFusion，体验其功能。了解WhisperLive和WhisperSpeech：WhisperLive 是 OpenAI 的 Whisper 的一个实时转录应用程序，它使用 OpenAI Whisper 模型将语音输入转换为文本输出。它可用于转录来自麦克风的实时音频输入和预先录制的音频文件。与依赖连续音频流的传统语音识别系统不同，我们使用语音活动检测 （VAD） 来检测语音的存在，并且仅在检测到语音时才将音频数据发送到 Whisper。这有助于减少发送到 Whisper 模型的数据量，并提高转录输出的准确性。查看我们的转录帖子和 WhisperLive 存储库了解更多详情。WhisperSpeech 是开源文本转语音技术领域的重大进步。该模型由 Collabora 开发，其重点是提供听起来自然的语音以改善沟通。其目的是创建一个具有多语言功能的适应性强且无缝集成的 TTS 模型。WhisperFusion通过使用 WhisperLive 和 WhisperSpeech 的快速处理能力以及低延迟的通信实现，您可以实现实时、高效、智能的通信。这种适应性可确保您的模式在业务扩展时保持领先一步，同时满足客户的需求，这是提供一流服务的标志。

Magi简介 Magi模型，可以自动将漫画转录成文字并自动生成剧本，还可以通过识别漫画页面上的面板、文字块和角色，重新排序和关联，输出连贯的对话内容，准确地为每幅漫画生成文本记录，从而保证输出文本的逻辑性，使整个流程更加高效。Magi模型由牛津大学工程科学系的视觉几何组开发。Magi适用于那些需要将漫画图片自动化生成文本的研究人员、开发者或者漫画爱好者。它为这些用户提供了方便快捷的工具，从而帮助他们轻松进行数字化漫画内容及索引。Magi GitHub源码：https://github.com/ragavsachdeva/magiMagi论文：https://arxiv.org/abs/2401.10224Magi模型主要功能：面板检测：精确识别漫画页面上的各个面板,即画家绘制的独立矩形画框,这是理解漫画页面布局和内容的第一步。文本检测：在每个面板内部定位文字区域，提取包含重要对话或叙述的文本块，这是理解面板内容的基础。角色检测：检测每个面板内出现的角色，获取其在图像中的边界框、姿态、表情等视觉信息，这对后续分析至关重要。角色识别：基于检测结果，识别每个角色的身份信息，如名字、称呼等，这可以帮助跟踪故事中的人物。角色聚类：根据面部特征、服装特征等信息，将同一角色的不同姿态图片聚类到一起，从而区分页面上的不同角色。语音分配：判断文本块属于页面上哪个角色的对话，将语音正确分配给对应的角色，这对生成精确的剧本必不可少。阅读排序：根据面板位置、阅读顺序,将分散的文本块重新排序和连接，输出连贯的对话内容，从而保证输出文本的逻辑性。Magi如何使用?1、上传漫画图片2、系统自动识别并提取漫画图片相关信息生成文本3、用户根据需要对文本进行编辑和修改通过Magi的这些功能，Magi能够自动将漫画页面转化为详细的文字剧本，解决漫画页面的自动理解和剧本生成问题，包含角色对话和相应的动作或情境描述，这使得漫画内容的数字化处理变得轻松快捷，使读者能够通过阅读文本来完整地体验漫画故事。

Lumiere简介 Lumiere是谷歌研究院团队开发的基于空间时间的文本到视频扩散模型。Lumiere采用了创新的空间时间U-Net架构，该架构通过模型中的单次传递一次性生成视频的整个时间，不同于其他模型那样逐帧合成视频。确保了生成视频的连贯性和逼真度，Lumiere可以轻松促进广泛的内容创建任务和视频编辑应用程序，包括图像到视频、视频修复和风格化生成。Lumiere功能特点：文本到视频的扩散模型： Lumiere能够根据文本提示生成视频，实现了从文本描述到视频内容的直接转换。图像到视频：该模型通过对第一帧进行调节，将静止图像平滑地转换为视频。空间时间U-Net架构： 与其他需要逐步合成视频的模型不同，Lumiere能够一次性完成整个视频的制作。这种独特的架构允许Lumiere一次性生成整个视频的时间长度，不同于其他模型那样逐帧合成视频。全局时间一致性： 由于其架构的特点，Lumiere更容易实现视频内容的全局时间一致性，确保视频的连贯性和逼真度。多尺度空间时间处理： Lumiere通过在多个空间时间尺度上处理视频来学习直接生成视频，这是一种先进的方法。风格化视频生成： 使用单个参考图像，Lumiere可以按照目标风格生成视频，这种能力在其他视频生成模型中较为罕见。广泛的内容创作和视频编辑应用： Lumiere支持多种内容创作任务和视频编辑应用，如图像到视频、视频修补和风格化生成。视频样式化编辑： 使用文本基础的图像编辑方法，Lumiere可以对视频进行一致性的样式编辑。影像合成能力： 当图像的一部分保持静止而另一部分呈现运动时，可以实现局部运动效果，从而为静止图像增添迷人的美感。视频修复功能： Lumiere 可以根据文本提示对现有视频的任意遮罩区域进行动画处理。这为视频编辑、对象插入和/或删除提供了有趣的可能性。尽管取得了这些进步，但Lumiere在需要在不同场景和镜头之间转换的视频方面仍然受到限制。这种能力差距为未来的扩散模型研究提供了重要方向。

迅排设计简介 迅排设计Poster-Design，一款漂亮易用且功能强大的创意图片编辑器，对标稿定设计、创客贴、Canva 等商业产品。迅排设计适用于海报生成、电商分享图、文章长图、视频/公众号封面等多种场景，无需下载软件即可轻松实现云端编辑、迅速完成图文排版。迅排设计Github仓库地址：https://github.com/palxiao/poster-design迅排设计Poster-Design特点：丝滑的页面操作体验，丰富的交互细节，基础功能完善采用服务端生成图片，能确保多端出图统一性，支持各种 CSS 特性简易 ai 抠图工具，上传图片一键去除背景技术栈：Vue3 、Vite5 、Vuex 、ElementPlus，开发体验畅快图片生成：Puppeteer、Express迅排设计Poster-Design支持功能：导入 PSD 文件解析成模板、在线导出图片下载。元素拖拽、组合、缩放、层级调整、对齐等操作。图片素材插入、替换、裁剪，图片容器等功能。SVG 素材颜色、透明度编辑，文字花字组合。画布自定义尺寸、滚轮缩放、自适应画布吸附对齐、辅助引导线、标尺功能。键盘快捷键、右键菜单快捷操作，复制删除等常用操作。风格二维码编辑，支持单色、渐变、自定义 logo 等。图层操作，支持拖拽变更层级。颜色调色板，原生级取色器颜色吸管（Chrome）。迅排设计完全免费，可在保留 MIT 开源许可证 的前提下使用。迅排设计自正式开源以来，受到了各界的广泛关注，其Github仓库在短短一个月内就获得了大量的关注。这表明迅排设计不仅在功能上满足了用户的需求，而且在社区支持和开源文化方面也展现出了良好的发展势头。迅排设计通过其强大的功能、易用的设计以及良好的社区支持，成为了市场上一款值得关注的在线图片编辑器和海报设计工具。

懒人客服简介 懒人客服是一个基于 LLM 大语言模型的知识库的集成客服系统，提供开箱即用的智能客服解决方案，支持微信、企业微信、千牛、哔哩哔哩、抖音企业号、抖音、抖店、微博聊天、小红书专业号运营、小红书、知乎等平台接入，支持文本、语音和图片，通过插件访问操作系统和互联网等外部资源，支持基于自有知识库定制企业ai应用。懒人客服主要功能：多平台支持：当前支持微信、企业微信、千牛、哔哩哔哩、抖音企业号、抖音、抖店、微博聊天、小红书专业号运营、小红书、知乎等平台，未来将不断扩展支持更多社交媒体平台。预设回复内容：允许用户设置自定义回复，以应对常见问题，提高回复效率.接入ChatGPT接口，根据客户的咨询内容智能生成回复，适用于处理复杂或者个性化的客户咨询。发送图片和二进制文件：支持发送图片等二进制文件，满足多样化的客户服务需求.知识库： 通过上传知识库文件自定义专属机器人，可作为数字分身、智能客服、私域助手使用。各个平台独立的插件系统，支持插件访问操作系统和互联网等外部资源，支持基于自有知识库定制企业 AI 应用。GitHub： https://github.com/cs-lazy-tools/ChatGPT-On-CSGitee： https://gitee.com/alsritter/ChatGPT-On-CS (国内用户推荐)注：懒人客服只是一个用于对接外部平台的客服工具，不提供任何平台的账号，需要自行准备。并且知识库功能也需要自行准备，该项目目前只支持的 OpenAI 的 API 接口（或代理）接入

Deepfakes Creator简介 Deepfakes Creator，可以通过文本输入生成逼真的会说话的真人视频。用户只需要上传想要化身模仿的人的照片，并写一个剧本，工具就能创建出逼真的人物化身视频，模拟人物说话。不仅如此，Deepfakes Creator还支持多种语言，并能进行实时问答互动。Deepfakes Creator应用：教育内容：Deepfakes Creator将复杂的教育概念转化为引人入胜的互动学习体验，使信息更容易获得并吸引所有年龄段的学生。企业沟通：Deepfakes Creator生成的视频为企业提供了一种动态的内部沟通方式，非常适合培训、更新或人力资源公告，为企业信息传递增添个人和亲和力。新闻广播：在新闻媒体中，Deepfakes Creator可以化身可以叙述故事或模拟采访，为传统新闻报道提供独特、引人入胜的转折。营销和品牌推广：Deepfakes Creator头像使品牌能够创建独特且令人难忘的营销活动，与品牌形象保持一致，并有效地将产品或服务推向市场。Deepfakes Creator使用步骤：我们将指导您完成以下步骤，以创建自己的视频：1、使用纯文本格式或语音合成标记语言 （SSML） 说话脚本开始。SSML 允许您微调头像的声音，包括发音和特殊术语（如品牌名称）的表达，以及挥手或指向物品等头像手势。2、准备好说话的脚本后，可以使用 Azure TTS 3.1 API 合成视频。除了 SSML 输入之外，您还可以指定人物形象的字符和样式（例如站立或坐着）以及所需的视频格式。在许多情况下，您可能希望在最终视频中添加内容图像或带有文本、插图、动画等的视频。为此，您可以将动画 PowerPoint 演示文稿导出为高分辨率视频。3、最后，结合头像视频、内容和背景音乐等可选元素，以构成您丰富的视频体验。这可以使用 FFmpeg 工具或像 ClipChamp 这样的视频编辑器来完成，以获得更多控制。使用视频编辑器提供了一种直观的方式来微调视频的时间，添加引人入胜的效果和动画。

ChatGPT-Plus简介 ChatGPT-PLUS 基于 ai 大语言模型 API 实现的 AI 助手全套开源解决方案，自带运营管理后台，开箱即用。集成了 ChatGPT, Azure, ChatGLM,讯飞星火，文心一言等多个平台的大语言模型。支持 MJ AI 绘画，Stable Diffusion AI 绘画，微博热搜等插件工具。采用 Go + Vue3 + element-plus 实现。ChatGPT-PLUS主要功能：完整的开源系统，前端应用和后台管理系统皆可开箱即用。基于 Websocket 实现，完美的打字机体验。内置了各种预训练好的角色应用，比如小红书写手，英语翻译大师，苏格拉底，孔子，乔布斯，周报助手等。轻松满足你的各种聊天和应用需求。支持 OPenAI，Azure，文心一言，讯飞星火，清华 ChatGLM等多个大语言模型。支持 Midjourney / Stable Diffusion AI 绘画集成，开箱即用。支持使用个人微信二维码作为充值收费的支付渠道，无需企业支付通道。已集成支付宝支付功能，微信支付，支持多种会员套餐和点卡购买功能。集成插件 API 功能，可结合大语言模型的 function 功能开发各种强大的插件，已内置实现了微博热搜，今日头条，今日早报和 AI 绘画函数插件。ChatGPT-Plus功能截图：ChatGPT-PLUS全套完整的开源系统，前端应用和后台管理系统皆可开箱即用，基于 MIT 开源协议，集成支付系统，可以直接商用变现。