DeepFaceLab

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。

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。

MoneyPrinter简介 MoneyPrinter，一个自动创建YouTube短视频的自动化赚钱项目，只要输入视频文本MoneyPrinter即可自动产生与之相关的短视频。MoneyPrinter主要功能：自动视频生成：只需提供一个视频主题即可在本地自动创建相关的短视频YouTube Shorts。音乐和字体自定义：可以上传自己的MP3文件压缩包和字体，自定义视频音乐背景和字体。自动将生成的视频上传到YouTube的功能。MoneyPrinter用法：1、将文件复制到并填写所需的值.env.example.env2、在浏览器中打开http://localhost:30003、输入要讨论的话题4、点击“生成”按钮5、等待视频生成生成的视频位置是MoneyPrinter/output.mp4，整个过程几乎不需要用户有太多的视频编辑技能，只需要简单的操作和等待程序完成工作。MoneyPrinter是一个强大的视频处理库，能够编辑视频、添加音乐背景和文本等，要使用您自己的音乐，请将所有 MP3 文件压缩成 ZIP 文件并将其上传到某个地方。在前端提供指向 ZIP 文件的链接，您也可以将 MP3 文件移动到文件夹中。MoneyPrinter的背后技术主要依赖于Python编程语言和MoviePy视频编辑库，以及YouTube的API用于视频上传，使得从视频创意到发布的整个流程自动化和无缝连接。

Media2Face简介 在人工智能领域，从语音中创建准确的面部唇部动作一直是一个持续的挑战。然而，突破已经到来——Media2Face。Media2Face是通过音频、文本和图像多模态引导的共语言面部动画生成工具。它利用音频、文本和图像输入的引导来自然地模仿人类语言，引入了广义神经参数面部资产 （GNPFA）。这是一种高效替在空间，从而解耦表情和身份。然后，我们利用GNPFA从大量视频中提的变分自动编码器，可将面部几何形状和图像映射到高度广义的表情取高质量的表情和准确的头部姿势。由于高质量的 4D 面部数据有限，从语音合成 3D 面部动画面临着挑战。然而，借助 Media2Face，现在可以从任何音频、图像或文本输入无缝生成逼真且富有表现力的面部动画。Media2Face能够根据声音来生成与语音同步的、表现力丰富的3D面部动画。同时允许用户对生成的面部动画进行更细致的个性化调整，如情感调整，“快乐”或“悲伤”等。Media2Face还能理解多种类型的输入信息（音频、文本、图像），并将这些信息作为生成面部动画的指引。Media2Face实际应用：创造对话场景：根据你写的剧本，电脑可以生成人物对话的动画场景。制作风格化的面部动画：你可以给电脑一个表情符号，它就能根据这个符号创造出动画。情感歌唱：电脑还能根据不同的语言唱歌，表现出对应的情感。个性化动画：最神奇的是，这个项目能够创造出符合不同人种、年龄和性别的个性化面部动画。影视制作公司使用Media2Face生成影片中虚拟人物的面部动画。虚拟主持平台利用Media2Face实现虚拟主持的面部表情生成。游戏开发公司在虚拟角色设计中应用Media2Face进行面部动画生成。Media2Face是如何工作的？Media2Face项目的工作原理涉及几个关键技术和步骤，使其能够从语音合成出具有丰富表情和情感的3D面部动画。下面是该项目的主要工作流程：1. 通用神经参数化面部资产（GNPFA）：首先，研究团队创建了一个特殊的工具（叫做GNPFA），它就像一个大型的面部表情数据库。无论你想要什么样的表情，这个工具都能帮你找到，并且还能确保每个人的面部动画都独一无二，不会和别人混淆。这个过程实现了表情和身份的解耦，即能够在不同的身份之间转换相同的表情。然后，他们用这个工具处理了很多视频，从中提取出了高质量的表情和头部动作。这样就创建了一个巨大的数据集，里面包含了各种各样的面部动画和对应的情感、风格标签。2. 多模态引导的动画生成：Media2Face采用一个扩散模型在GNPFA的潜在空间中进行动画生成，这个模型能够接受来自音频、文本和图像的多模态引导。模型将音频特征和CLIP潜在代码作为条件，与表情潜在代码序列的噪声版本以及头部运动代码（即头部姿势）一起去噪。条件被随机掩蔽，并通过与噪声头部运动代码的交叉注意力进行处理。3. 表情和头部姿势生成：利用GNPFA从大量视频中提取高质量的表情和准确的头部姿势。这呈现了 M2F-D 数据集，这是一个大型、多样化和扫描级别的共同语音3D面部动画数据集，具有注释良好的情感和风格标签。4.表情和风格微调：通过表情编码器提取关键帧表情潜在代码，并通过CLIP提供每帧的风格提示，如“快乐”或“悲伤”，用户可以调整动画的强度和控制范围。通过以上这些技术步骤，Media2Face能够生成与语音同步的、表现力丰富的3D面部动画，支持复杂的情感表达和风格变化，为创建虚拟角色和增强AI数字人的交互体验提供了强大工具，大量实验表明，Media2Face不仅在面部动画合成中实现了高保真度，而且拓宽了3D面部动画的表现力和风格适应性。

MotionAgent一站式视频生成工具简介 MotionAgent是一个能将用户创造的剧本生成视频的深度学习模型工具。用户通过我们提供的工具组合，进行剧本创作、剧照生成、图片/视频生成、背景音乐谱写等工作。其中，通义千问 -7B 模型可以帮助生成高质量的剧本内容，文本生成图片模型可以生成剧照，而核心模型 I2VGen-XL 可以将剧照转化为视频，最后音乐生成模型可以生成想要的音乐。通过 MotionAgent，用户可以将自己的创意轻松变成现实。MotionAgent功能特性1、剧本生成（Script Generation）用户指定故事主题和背景，即可生成剧本，剧本生成模型基于LLM（如Qwen-7B-Chat），MotionAgent可生成多种风格的剧本2、剧照生成（Movie still Generation）通过输入一幕剧本，MotionAgent即可生成对应的剧照场景图片3、视频生成（Video Generation）图生视频，支持高分辨率视频生成4、音乐生成（Music Generation）MotionAgent可自定义风格的背景音乐

8spAi系统简介 8spai系统集成了全模型AI问答、创作、绘画、文生图、思维导图一站搞定！GPT4对话识图、知识库训练、文档提问总结、DALLE-3绘图、Midjourney绘画动态全功能与思维导图自动生成等功能，为用户提供了智能化的服务和体验。8spAi系统已支持OpenAI GPT全模型+国内AI全模型+绘画池系统！8spAi助手是一款在线AI系统，该系统集成了丰富多样的功能，包括AI全模型智能问答、GPT4对话识图、知识库训练、文档提问总结、DALLE-3绘图、Midjourney绘画动态全功能与思维导图自动生成等。无论是在生活还是工作中，8spAi助手都能全方位满足用户的各种需求。让我们来看看该系统的功能特点：AI全模型智能问答：使用最新的AI技术，对用户提出的问题进行智能回答，提供准确的解答和建议。GPT4对话识图：通过对话交互的方式，能够对图片进行识别和解读，帮助用户理解图片内容。知识库训练：用户可以根据自己需求创建自己的知识库，并进行训练和优化，提供更准确的搜索结果和答案。文档提问总结：将大段文本进行分析和总结，提供关键信息和摘要，帮助用户快速了解文档内容。DALLE-3绘图：使用先进的DALLE-3绘图技术，能够生成高质量的图像作品，满足用户的创作需求。Midjourney绘画动态全功能：提供丰富的绘画工具和特效，让用户能够创作出生动有趣的动画作品。思维导图自动生成：根据用户输入的关键词或概念，自动生成思维导图，帮助用户整理和组织思维。8spAi优点：支持最新GPT-4多模态、OpenAI GPT-4-Turbo-With-Vision-128K模型（后续支持对话识图功能）支持最新OpenAI GPT-3.5-Turbo-1106、GPT-4-1106-Preview模型支持对话插件系统，后续逐步增加插件功能，扩展AI能力支持OpenAI DALL-E3文生图插件，可直接对话文生图，搭配GPT4-Turbo使用。通过这些功能，8spAi助手能够为用户提供智能化的服务和解决方案，提升工作效率，满足各种需求。无论是在学习、工作还是创作中，用户都能够依靠8spAi助手获得有力的支持和帮助。

Deep Live Cam简介 Deep Live Cam是一款开源的实时人脸交换和一键视频换脸工具。它能够利用单张图像对视频或其他图像进行人脸替换，适用于视频制作、动画创作等多种场景。Deep Live Cam非常适合视频制作和创意项目，使用户能够无缝替换视频或图像中的面孔。Deep Live Cam下载地址：https://github.com/hacksider/Deep-Live-CamDeep Live Cam 的主要特性和功能：实时换脸：该工具允许用户使用单个图像实时换脸，提供即时预览功能。此功能对于视频制作和动画项目特别有用。一键视频 Deepfakes ：用户通过简单的操作即可快速轻松地生成高质量的 Deepfake 视频。这使得那些可能没有广泛技术知识的人也可以使用它。多平台支持：Deep Live Cam支持各种执行平台，包括CPU、NVIDIA CUDA、Apple Silicon (CoreML)、DirectML (Windows) 和 OpenVINO (Intel)。这种灵活性使其能够适应不同的硬件设置，根据用户的配置优化性能。社区和支持：Deep Live Cam 受益于活跃的社区，该社区提供持续的支持和改进，使该工具始终处于技术前沿。网络摄像头模式：Deep Live Cam支持使用网络摄像头进行实时视频流处理，只需按照屏幕截图中的点击操作即可：1、选择一张脸2、点击直播3、等待几秒钟（需要较长时间，通常需要10到30秒才能显示预览）此功能对于直播或虚拟会议非常有用。Deep Live Cam如何工作？1、选择源图像：上传一张包含所需人脸的图片作为源图像。2、选择目标：选择要进行换脸的目标图片或视频。3、开始处理：点击'Start'按钮，Deep Live Cam将自动进行人脸替换处理。Deep Live Cam常见问题什么是Deep Live Cam？Deep Live Cam是一款开源的实时人脸交换和一键视频深伪工具。它能够利用单张图像对视频或其他图像进行人脸替换，适用于视频制作、动画创作等多种场景。Deep Live Cam的主要功能有哪些？Deep Live Cam的主要功能包括：1）实时人脸交换；2）一键视频深伪；3）多平台支持；4）防不当使用措施。如何使用Deep Live Cam？使用Deep Live Cam的基本步骤是：1）安装所需环境；2）克隆GitHub仓库；3）下载所需模型；4）安装依赖；5）运行程序；6）选择源图像和目标；7）开始换脸处理。Deep Live Cam支持哪些平台？Deep Live Cam支持多种执行平台，包括CPU、NVIDIA CUDA、Apple Silicon（CoreML）、DirectML（Windows）、OpenVINO（Intel）等。用户可以根据自己的硬件配置选择最优的执行平台。Deep Live Cam如何保证不被滥用？Deep Live Cam内置了检查机制，防止对不适当内容（如裸露、暴力、敏感材料等）进行处理。开发者承诺在法律和伦理框架内持续发展项目，并在必要时采取措施（如在输出中添加水印）以防止滥用。Deep Live Cam是免费的吗？是的，Deep Live Cam是一个开源项目，完全免费使用。您可以在GitHub上获取源代码并自由使用。我可以将Deep Live Cam用于商业目的吗？Deep Live Cam是开源项目，但对于商业用途，您需要仔细阅读项目的许可证条款。此外，使用深伪技术可能涉及法律和道德问题，建议在商业应用前咨询法律专业人士。Deep Live Cam需要多高的配置？Deep Live Cam的性能会随硬件配置而变化。基本功能可在普通CPU上运行，但为获得更好的性能和效果，建议使用支持CUDA的NVIDIA显卡或Apple Silicon芯片的设备。Deep Live Cam支持实时视频流处理吗？是的，Deep Live Cam支持实时视频流处理。您可以使用摄像头进行实时换脸，程序会提供实时预览功能。如何提高Deep Live Cam的换脸效果？要提高换脸效果，可以尝试以下方法：1）使用高质量、清晰的源图像；2）选择角度和光线相近的源图像和目标；3）调整程序的参数设置；4）使用性能更强的硬件来运行程序。

GPT-SoVITS简介 GPT-SoVITS，一个声音克隆和文本到语音转换的开源 Python RAG框架，只需1分钟语音即可训练一个自己的TTS模型。完美克隆你的声音！GPT-SoVITS完美适配中文，应该是目前中文支持比较好的模型。github发布地址：https://github.com/RVC-Boss/GPT-SoVITSGPT-SoVITS主要特点：1、零样本TTS： 输入5 秒的声音样本即可体验即时的文本到语音转换。2、小样本 TTS： 只需 1 分钟的训练数据即可微调模型，以提高语音相似度和真实感。模仿出来的声音会更加接近原声，听起来更自然。跨语言支持： 使用与训练数据集不同的语言进行推理，目前支持英语、日语和中文。3、WebUI工具：集成工具包括语音伴奏分离、自动训练集分割、中文 ASR 和文本标注，帮助初学者创建训练数据集和 GPT/SoVITS 模型。4、适用于不同操作系统： 项目可以在不同的操作系统上安装和运行，包括 Windows。5、预训练模型： 项目提供了一些已经训练好的模型，你可以直接下载使用。如何使用GPT-SoVITS？如果您是 Windows 用户（使用 win>=10 进行测试），您可以直接通过预压缩进行安装。只需下载预压缩，解压并双击 go-webui.bat 即可启动 GPT-SoVITS-WebUI。GPT-SoVITS是一款强大的语音克隆和文本到语音转换工具，它可以实现零样本和少样本的语音克隆，以及跨语言的文本到语音转换。它具有数据量少、质量高、灵活性强、易用性高等优点，可以应用于多种场景。如果你对GPT-SoVITS感兴趣，具体详细步骤，可以去项目开源网址上查看，哔哩哔哩上也有相应的教程。