M2UGen

ChatTTS简介 ChatTTS视频演示ChatTTS，一个专门用于对话场景的免费在线文本转语音TTS模型，适用于自然、对话式文本转语音。它支持英文和中文两种语言。这个语音专文本TTS模型 应该是目前对中文支持最好的了，ChatTTS模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。它专为对话任务优化，能够支持多种说话人语音，中英文混合等。ChatTTS还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。ChatTTS特点：对话式TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。ChatTTS功能：多语言支持：ChatTTS 的主要功能之一是支持多种语言，包括英语和中文。这使得它能够服务广泛的用户并克服语言障碍。大数据训练：ChatTTS 已经使用大量数据进行了训练，大约有 1000 万小时的中文和英文数据。这种广泛的培训带来了高质量且自然的语音合成。对话框任务兼容性：ChatTTS 非常适合处理通常分配给大型语言模型 LLMs 的对话任务。它可以生成对话响应，并在集成到各种应用程序和服务中时提供更自然、更流畅的交互体验。开源计划：项目团队计划开源一个训练有素的基础模型。这将使社区的学术研究人员和开发人员能够进一步研究和开发该技术。控制和安全：团队致力于提高模型的可控性，添加水印，并与LLMs集成。这些努力保证了模型的安全性和可靠性。使用方便：ChatTTS 为其用户提供易于使用的体验。它只需要输入文本信息，即可生成相应的语音文件。这种简单性为有语音合成需求的用户提供了方便。ChatTTS可以用于哪些用途？ChatTTS可用于各种应用，包括大型语言模型助手的对话任务，生成对话语音，视频介绍，教育和培训内容语音合成，任何需要文本到语音功能的应用或服务。与其他文本转语音模型相比，ChatTTS有何独特之处？ChatTTS专为对话场景进行优化，特别适用于会话应用程序。它支持中文和英文，经过大规模数据集培训，以确保高质量、自然的语音合成。此外，计划开源基于40,000小时数据训练的基础模型使其与众不同，促进该领域的进一步研究和开发。ChatTTS Github开源下地地址：https://github.com/2noise/ChatTTS 相关资讯： 10款优秀的开源TTS语音模型推荐

IDM-VTON简介 IDM-VTON是一种先进的虚拟试穿技术，它通过结合视觉编码器和UNet模型来生成高质量的虚拟试穿图像，并且可以通过定制来进一步提高图像的一致性和真实性。IDM-VTON技术特点:高度真实感: 生成的试衣图像细节精细，提供接近现实的试衣体验。复杂背景处理: 在户外或背景复杂的场景中，准确展示衣物试穿效果，保持图像高质量。一致性保持: 在不同人物模型上展示同一件服装时，保持服装细节的一致性。纹理与图案精确再现: 特别擅长捕捉服装的纹理和图案，包括微小装饰。IDM-VTON应用场景:时尚零售: 提供便捷的试衣方式，增强用户体验。个性化服装设计: 为设计师提供新的展示和销售手段。在线试衣间: 为消费者提供虚拟试衣体验。增强现实（AR）试衣体验: 结合AR技术，提供沉浸式试衣体验。IDM-VTON技术优势:用户便利: 用户无需亲自试穿即可预览服装效果。零售商成本节约: 节省实体试衣间的成本，提供多样化试衣体验。设计师反馈: 设计师可以通过虚拟试衣快速获取反馈，优化设计。DM-VTON的定制过程是怎样的？IDM-VTON的定制过程涉及到对模型的微调，以适应特定的服装图像和人物图像。以下是定制IDM-VTON的一般步骤：1、数据准备：收集或准备一个包含服装图像和人物图像的数据集。这些图像应该具有高质量，并且服装图像应该包含复杂的图案和细节。确保数据集中的图像遵循特定的格式和结构，以便于模型的训练和推理。2、模型训练：使用IDM-VTON的训练代码，根据数据集进行模型训练。这通常涉及到设置训练参数，如学习率、批量大小、训练周期等。在训练过程中，模型会学习如何将服装图像映射到人物图像上，同时保持服装的细节和复杂图案。3、模型微调：根据需要，对模型进行微调。这可能包括调整模型的结构、超参数或者训练策略，以提高特定服装图像的生成质量。微调过程中，可以使用特定的服装图像和人物图像对来优化模型的性能。4、评估和优化：使用评估指标（如FID、SSIM、PSNR等）来衡量模型生成的图像质量。根据评估结果，进一步调整模型参数或训练策略，以提高模型的性能。5、部署和应用：将训练好的模型部署到实际应用中，如虚拟试穿系统。在实际应用中，用户可以上传自己的服装图像和人物图像，模型将生成虚拟试穿的图像。6、持续迭代：根据用户反馈和实际应用中的表现，持续迭代和优化模型。可能需要定期收集新的数据集，以适应新的服装样式和趋势。IDM-VTON项目信息项目地址: https://idm-vton.github.io/试玩地址: https://top.aibase.com/tool/idm-vton

Teable简介 Teable 是一个基于 Postgres 构建的超快速、实时、专业、开发人员友好的无代码数据库。airtable替代品，类似操作电子表格一样创建复杂的企业级数据库应用，无需编写代码。Teable使用简单的、类似电子表格的界面来创建复杂的企业级数据库应用程序。通过无代码实现高效的应用程序开发，摆脱数据安全性和可扩展性的障碍。Teable特点：直观的界面：提供类似电子表格的界面，方便数据输入、编辑、排序、过滤、汇总等操作多样的视图：支持表格视图、表单视图、看板视图、日历视图等性能：基于 PostgreSQL 数据库，可以处理海量数据，并提供自动索引保证速度支持 SQL 语句，可以与其他工具无缝集成支持自建数据库，可以完全掌控自己的数据支持实时协作，方便团队成员共同编辑和管理数据支持扩展和自动化集成了 AI 能力，可以快速创建应用程序、分析数据、创建视图、执行操作等支持SQLite、PostgreSQL、MySQL、MariaDB、TiDB 等多种数据库类似电子表格的界面单元格编辑：直接单击并编辑单元格内的内容。公式支持：输入数学和逻辑公式以自动计算值。数据排序和过滤：根据一列或多列对数据进行排序；使用过滤器查看特定的数据行。聚合功能：自动汇总每列的统计数据，提供总和、平均值、计数、最大值和最小值等即时计算，以简化数据分析。数据格式化：格式化数字、日期等。分组：根据列值将行组织成可折叠的组，以便于数据分析和导航。冻结列：冻结表格的左列，以便它们在滚动时保持可见。导入/导出功能：导入和导出其他格式的数据，例如.csv、.xlsx。行样式和条件格式：根据特定条件自动更改行样式。 （即将推出）图表和可视化工具：从表格数据创建图表，例如条形图、饼图、折线图等（即将推出）数据验证：限制或验证输入到单元格中的数据。 （即将推出）撤消/重做：撤消或重做最近的更改。 （即将推出）评论和注释：将评论附加到行，为其他用户提供解释或反馈。 （即将推出）多个视图以最适合其特定任务的各种方式可视化数据并与数据交互。网格视图：表的默认视图，以类似电子表格的格式显示数据。表单视图：以表单格式输入数据，这对于收集数据很有用。看板视图：在看板中显示数据，这是列和卡中数据的可视化表示。日历视图：以日历格式显示数据，这对于跟踪日期和事件非常有用。 （即将推出）图库视图：以图库格式显示数据，这对于显示图像和其他媒体很有用。 （即将推出）甘特视图：以甘特图显示数据，这对于跟踪项目进度很有用。 （即将推出）时间线视图：以时间线格式显示数据，这对于跟踪一段时间内的事件很有用。 （即将推出）超快惊人的响应速度和数据容量百万数据轻松处理，筛选排序无压力自动数据库索引以获得最大速度支持一次性批量数据操作全功能 SQL 支持与您熟悉的软件无缝集成Metabase PowerBi 等 BI 工具...像 Appsmith 这样的无代码工具...使用原生 SQL 直接检索数据隐私第一尽管有云，您仍拥有自己的数据自带数据库（即将推出）实时协作专为团队设计无需刷新页面，数据实时更新无缝集成协作成员邀请和管理完善的权限管理机制，从表到列级别...从本质上讲，Teable 不仅仅是另一个无代码解决方案，它是对现代软件开发不断变化的需求的全面解决方案，确保每个人，无论其技术熟练程度如何，都拥有一个适合其需求的平台。

SoulGen简介 SoulGen是一个免费的ai图像生成器，允许用户根据文字或提示创建真实或动漫女孩的惊人艺术作品。它利用机器学习算法和深度神经网络根据用户的描述生成定制的AI角色。SoulGen主要特点：AI图像生成： 使用书面说明创建真实和动漫女孩的图像。定制： 用户可以描述他们理想的女性或角色，并为她们创建动漫图像。种类繁多的流派： 允许用户通过制作各种类型的动漫艺术来表达他们的想法。免费试用：提供免费试用，以便用户可以测试 SoulGen 的功能。AI图像编辑： 允许用户使用简单的文本说明添加、增加或减少照片中的材料量。无限创意：允许用户利用他们的创造力来制作独一无二的个性化动漫艺术。SoulGen使用案例：使动漫爱好者能够根据自己的品味和角色描述设计自己独特的动漫角色。为艺术家和设计师提供制作动漫艺术和锻炼其创造力的场所。为那些喜欢讲故事和创造角色的人提供一种工具，让他们将他们的想法可视化，并将他们的想象力变为现实。如何使用 SoulGen？要使用SoulGen，请按照以下步骤操作：1、登录您的帐户或注册免费试用。2、输入期望角色的文本提示或描述。3、选择您想要的真实女孩或动漫女孩图像。4、单击“生成”按钮以获得您的 AI 生成图像。

ComfyUI Portrait Master简体中文版简介 ComfyUI Portrait Master 肖像大师简体中文版，超详细参数设置!再也不用为不会写人像提示词发愁啦!重新优化为ison列表更方便自定义和扩展!已包含标准工作流和turbo工作流，大家快去玩!ComfyUI项目地址：https://github.com/ZHO-ZHO-ZHO/comfyui-portrait-master-zh-cnComfyUI系统教程：https://space.bilibili.com/484366804参数说明 | Parameters镜头类型：头像、肩部以上肖像、半身像、全身像、脸部肖像性别：女性、男性国籍_1：193个国家可选国籍_2：193个国家可选眼睛颜色：琥珀色、蓝色等8种面部表情：开心、伤心、生气、惊讶、害怕等24种脸型：椭圆形、圆形、梨形等12种发型：法式波波头、卷发波波头、不对称剪裁等20种头发颜色：金色、栗色、灰白混合色等9种灯光类型：柔和环境光、日落余晖、摄影棚灯光等32种灯光方向：上方、左侧、右下方等10种起始提示词：写在开头的提示词补充提示词：写在中间用于补充信息的提示词结束提示词：写在末尾的提示词提高照片真实感：可强化真实感负面提示词：新增负面提示词输出提示词合成顺序 | Prompt composition order起始提示词镜头类型 + 镜头权重国籍 + 性别 + 年龄眼睛颜色面部表情 + 面部表情权重脸型发型头发颜色头发蓬松度补充提示词皮肤细节皮肤毛孔皮肤瑕疵酒窝雀斑痣眼睛细节虹膜细节圆形虹膜圆形瞳孔面部对称性灯光类型 + 灯光方向结束提示词提高照片真实感自定义 | Customizations可将需要自定义增加的内容写到lists文件夹中对应的json文件里（如发型、表情等）使用建议 | Practical advice皮肤和眼睛细节等参数过高时可能会覆盖所选镜头的设置。在这种情况下，建议减小皮肤和眼睛的参数值，或者插入否定提示(closeup, close up, close-up:1.5)，并根据需要修改权重。安装 | Installcd custom_nodesgit clone https://github.com/ZHO-ZHO-ZHO/comfyui-portrait-master-zh-cn.git重启 ComfyUI

Linly-Dubbing简介 Linly-Dubbing是一款开源的多语言ai配音和视频翻译工具。Linly-Dubbing可以自动将视频翻译成其他语言并生成字幕、克隆视频中说话者的声音并自动配音、进行口型同步。Linly-Dubbing主要特征：自动下载视频：支持从YouTube等网站下载视频多语言支持：支持中文和多种语言的配音和字幕翻译。AI语音识别：准确的语音识别、语音文本转换和说话人识别。LLM翻译：结合领先的大型语言模型（如GPT），可以快速准确地翻译，保证翻译的专业性和自然性。语音克隆：通过语音克隆技术，生成与原视频配音高度相似的声音，保持情感和语气的一致性。口型同步：通过保持口型同步，配音可以与视频画面高度一致，提高视频的真实性和互动性。灵活的上传和翻译：用户可以上传视频并选择翻译语言和标准，以确保个性化和灵活性。Linly-Dubbing技术细节语音识别WhisperX ：OpenAI Whisper语音识别系统的扩展，可以将语音内容转录为文本，与视频帧精确对齐，生成带时间戳的字幕文件，并支持多说话人识别。FunASR ：一款综合语音识别工具包，提供语音识别、语音活动检测、标点符号恢复等功能，特别针对中文语音进行了优化。语音合成集成了Edge TTS、XTTS、CosyVoice等多种先进的语音合成工具。Edge TTS ：微软提供的高质量文本到语音转换服务，支持多种语言和语音风格，生成自然流畅的语音输出。XTTS ：Coqui 提供的先进的深度学习文本转语音工具包，专注于语音克隆和多语言语音合成，可以通过短音频片段实现语音克隆并生成逼真的语音输出。CosyVoice ：阿里巴巴同义实验室开发的多语言语音理解与合成模型，支持多种语言的高质量语音合成和跨语言语音克隆。字幕翻译使用OpenAI API和Qwen模型进行多语言字幕翻译。OpenAI API ：使用OpenAI的GPT-4和GPT-3.5-turbo进行高质量的字幕翻译。这些模型以其自然语言理解和文本生成能力而闻名，适用于对话生成和文本分析。Qwen ：开源的本地化大规模语言模型，支持多语言翻译，可以经济高效地处理多种语言的文本。谷歌翻译：集成谷歌翻译作为翻译功能的补充，提供广泛的语言支持和良好的翻译质量。声音分离使用 Demucs 和 UVR5 技术将人声与伴奏分开。|Demucs ：Facebook 研究团队开发的声音分离模型，可以分离混合音频中的不同声源，包括乐器、人声和背景声音。广泛应用于音乐制作和影视后期制作。UVR5（Ultimate Vocal Remover） ：一款高效的人声伴奏分离工具，可以提取接近原始立体声的伴奏，性能优于其他类似工具如RX9、RipX和SpectraLayers 9。口型同步借鉴Linly-Talker，我们专注于数字人唇同步技术，结合计算机视觉和语音识别技术，将虚拟角色的唇同步与配音精确匹配，达到高度自然的同步效果。该技术适用于动画人物、虚拟主播、教育视频中的旁白等多种场景。视频处理Linly-Dubbing提供添加字幕、插入背景音乐、调节音量和播放速度等功能，用户可以自定义视频内容，使其更具吸引力和个性化。yt-dlp 的集成： yt-dlp 是一个功能强大的开源命令行工具，设计用于从 YouTube 和其他网站下载视频和音频。该工具具有广泛的参数选项，允许用户根据自己的需要微调下载行为。无论是选择特定格式、分辨率，还是提取音频，yt-dlp 都提供了灵活的解决方案。

Omnivore简介 Omnivore是一个开源的“稍后阅读”应用，它允许用户保存、标记和分享文章，还支持PDF文件和邮件添加文章。Omnivore提供了跨平台应用和浏览器扩展，方便用户在不同设备上使用。用户可以离线访问已保存的内容，并通过Logseq和Obsidian插件将Omnivore集成到他们的工作流程中。项目完全开源，用户可以自由扩展和部署。Omnivore主要功能：保存文章和PDF：使用Omnivore的移动应用和浏览器扩展保存文章和PDF文件，稍后在无干扰的阅读器中阅读。集中管理RSS订阅和新闻简报：将新闻简报直接发送到Omnivore库中，避免分散在多个邮箱中的干扰。组织阅读列表：使用标签、过滤器、规则和全文搜索来组织和管理阅读列表，构建适合自己的系统。添加高亮和笔记：在阅读时高亮显示关键部分并添加笔记，这些标注会永久保存在文章中，随时访问。与知识管理系统同步：Omnivore与Logseq、Obsidian和Notion等个人知识管理系统同步，将所有保存的阅读内容、高亮和笔记整合到一个地方。文本转语音：在iOS应用中使用文本转语音功能，通过逼真的ai语音朗读保存的文章，减轻眼睛疲劳。Omnivore全部功能：标记和笔记：用户可以在文章中高亮显示重要内容并添加笔记，方便以后参考。全文搜索：支持对保存的文章进行全文搜索，快速找到需要的信息。分享功能：用户可以轻松地分享他们保存和标记的内容。键盘导航：全键盘导航，提升使用体验。自动保存进度：在长文章中自动保存阅读位置，方便下次继续阅读。邮件添加文章：通过电子邮件添加新闻简报文章（支持Substack）。PDF支持：支持保存和阅读PDF文件。跨平台应用：提供基于Node.js和TypeScript的Web应用，原生iOS和Android应用，进步型Web应用（PWA）以及浏览器扩展（Chrome、Safari、Firefox和Edge）。标签功能：支持对文章进行标签分类。离线支持：即使在没有网络连接时也能访问已保存的内容。文本转语音：iOS平台上支持将文章转换为语音播放。插件支持：支持Logseq和Obsidian插件，方便用户在这些平台上使用Omnivore的功能。Omnivore支持的平台和扩展：iOSmacOSAndroid（预览版）Chrome扩展Firefox扩展Safari扩展Edge扩展Omnivore技术栈：后端和前端主要使用TypeScript。前端使用Next.js，并托管在Vercel上。数据获取使用SWR，组件样式使用Stitches，页面可读性提升使用Mozilla Readability。iOS应用使用Swift GraphQL生成GraphQL查询，Android应用使用Apollo GraphQL。Docker支持：提供了Docker Compose配置，便于本地开发和自托管部署。部署指南：提供详细的本地开发和自托管部署指南，包括Postgres数据库、API服务和内容抓取微服务的配置。GitHub：https://github.com/omnivore-app/omnivore在线体验：https://omnivore.app/

易魔声EmotiVoice简介 易魔声EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。易魔声EmotiVoice提供一个易于使用的web界面，还有用于批量生成结果的脚本接口。当前的实现侧重于通过提示控制情绪/风格。易魔声EmotiVoice只使用音高、速度、能量和情感作为风格因素，而不使用性别。但是将其更改为样式、音色控制并不复杂，类似于PromptTTS的原始闭源实现。所有用户可免费在开源社区GitHub进行下载使用，并通过提供的 web 界面和批量生成结果的脚本接口实现音色的情感合成与应用。