duiopen

7小时前发布 1 0 0

DUI是一款提供语音识别、语音合成和自然语言处理等技术的开放平台。其功能特点如下:

语言:
zh
收录时间:
2026-08-31

DUI是一款提供语音识别、语音合成和自然语言处理等技术的开放平台。其功能特点如下:

数据统计

相关导航

GPT4Tools

GPT4Tools

GPT4Tools是一个可以控制多个视觉基础模型的集中式系统。它基于Vicuna(LLaMA),并71K自建指令数据。通过分析语言内容,GPT4Tools能够自动决定、控制和利用不同的视觉基础模型,允许用户在对话过程中与图像进行交互。通过这种方法,GPT4Tools提供了一个无缝高效的解决方案,以满足对话中各种与图像相关的需求。与以前的工作不同,我们支持用户通过自学指令和LoRA教授自己的LLM使用具有简单细化的工具。
anytext

anytext

阿里达摩院发布的AnyText项目看起来非常出色,它能够生成与原始图片风格相融合的文字,或者对图片中的文字进行修改,同时支持中文! AnyText项目包括两个核心模块:一个潜在特征模块和一个文本嵌入模块。潜在特征模块使用文本字形、位置和蒙版图像等输入,生成用于文本生成或编辑的潜在特征。文本嵌入模块则利用OCR模型将笔画数据转化为嵌入,再与来自标记器的图像标题嵌入相结合,生成能够与背景无缝融合的文本。 为了提高书写的准确性,AnyText采用了两种损失函数进行训练:文本控制扩散损失和文本感知损失。
Headshot

Headshot

Headshot AI是由Leap AI推出,能够在几分钟内生成专业的人物头像。这个应用的目的是为想要深入了解端到端生成式AI应用的开发者提供一个极好的机会。通过该应用,用户能够上传自己的照片,系统会自动处理并生成专业水准的人物头像。Headshot AI应用的核心是利用Leap AI进行AI模型的训练和头像的生成,同时也利用了Next.js来构建应用和登录页面,Supabase用于数据库和认证功能。一旦头像准备好,系统会通过电子邮件通知用户。