DragNUWA

2个月前更新 2,221 0 0

DragNUWA聚焦面向人工智能创作与应用的在线工具,适合创作者、开发者和需要提升效率的用户使用。,官网域名为github.com。,涉及AI开源项目、AI编程适合需要相关工具与资源的个人用户、创作者或团队使用,可从官网了解最新功能、使用方式和服务条款。

语言:
zh
收录时间:
2026-08-31
DragNUWADragNUWA

微软发布了DragNUWA 1.5版本,用户可以在图像上画出对应方向的箭头标记。在通过图像生成视频之前,这些标记可以用来指导镜头的运动方向。如果用户标记的是具体的物体,那么这个物体就会按照标记的方向运动;如果用户标记的是非物体区域,镜头的运动则会按照标记的方向进行。通过这种方式,DragNUWA 1.5版本为用户提供了更灵活、更精确的视频生成控制方式。

数据统计

相关导航

Clipfly

Clipfly

Clipfly是一个AI驱动的在线视频生成和编辑平台,可以帮助用户轻松创建高质量的视频内容。Clipfly集成了多种AI创作功能和工具,支持AI视频生成、AI视频增强和视频编辑等功能,以及提供AI图像生成、AI图像处理、AI音乐生成等多种工具,为用户提供从创意到视频生成的一站式服务。无论您的背景或专业水平如何,Clipfly都提供用户友好的界面和易于使用的工具包,轻松创建引人注目的视频和图像内容,非常适合品牌所有者、个人用户和内容创建者制作令人惊叹的视觉效果。
LabelU 开源标注工具

LabelU 开源标注工具

1.产品介绍 一款轻量级开源标注工具,自由组合多样工具,无缝兼容多格式数据,同时支持载入预标注,加速数据标注效率 2.特色功能 LabelU 提供了多种标注工具和功能,支持图像、视频、音频标注。 · 图像类:多功能图像处理工具,涵盖 2D 框、语义分割、多段线、关键点等多种标注工具,协助完成图像的标识、注释和分析。 · 视频类:具备强大视频处理能力,可实现视频分割、视频分类、视频信息提取等功能,为模型训练提供优质标注数据。 · 音频类:高效精准的音频分析工具,可实现音频分割、音频分类、音频信息提取等功能,将复杂的声音信息直观可视化。 3.产品特性 · 简易,提供多种图像标注工具,通过简单可视化配置即可标注 · 灵活,多种工具可自由组合使用,满足大部分图像,视频,音频的标注需求 · 通用,支持导出多种数据格式,包括 JSON,COCO,MASK
HierVST

HierVST

HierVST 是一种分层自适应零样本语音风格转换模型,它具备以下功能特点: 零样本语音风格转换:HierVST 可以在没有目标说话者语音数据的情况下,将一个新的说话者的语音风格转换为目标风格。这意味着即使没有目标说话者的语音样本,HierVST 也可以生成具有目标风格的语音。 分层自适应结构:HierVST 使用分层自适应生成器,逐步生成音高表示和波形音频,从而实现逐步转换语音的能力。这种结构让模型能够适应新的语音风格,并逐步进行转换。 自监督表示学习:HierVST 仅使用语音数据集进行训练,而无需使用文本转录。它采用了层次变分推断和自监督表示学习的方法,提高了模型在音频表示上的性能。 性能优于其他模型:在零样本语音风格转换场景中,HierVST 的实验结果表明其性能优于其他 VST 模型,如 AutoVC、VoiceMixer、DiffVC、Speech Resynthesis 和 YourTTS。