办公小浣熊AI
办公小浣熊AI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office.xiaohuanxiong.com。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。
PDFShift是一款通过API提供即时、高质量的网站和HTML转换为PDF的工具。 功能特点： 快速和易于使用：PDFShift可以在几秒钟内完成设置和转换，让设计师、开发人员和业务所有者最大化效率。 高质量的转换：PDFShift生成接近原始HTML的高保真度文档，确保所转换的PDF质量优秀。 并行转换：PDFShift可以同时处理多个文档，以提高转换速度。 异步请求：通过强大的webhook系统，可以在转换后立即获得通知。 高级选项：可以自定义页眉和页脚、注入自定义的CSS和Javascript、对文档进行加密等。 支持原始HTML：不需要将私有页面公开，只需发送原始HTML数据即可进行转换。 私密和安全：您的文档不会存储在PDFShift的服务器上（除非您希望存储），并且在两天内将被删除。 PDFShift的定价如下： PDFShift还提供了更高容量的计划，如果您需要更多的资源，请联系他们进行咨询。 请注意，通过阅读PDFShift的站点上的完整文档，您可以了解更多关于使用和集成PDFShift的详细信息。
数据统计
相关导航
咔片AIPPT
咔片(cappt)AIPPT在线智能制作,工作总结/教学课件/商业提案3分钟搞定,10万+场景模板一键替换,AI自动排版+多格式导出,支持在线编辑,一键生成PPT,咔片ppt制作网站基础功能永久免费使用！
dot
dot是一个开源的深度伪造工具包，用于生成逼真的深度伪造视频和图像。该工具包是由Sensity AI开发的，可以在GitHub上免费下载和使用 。使用dot需要安装一些依赖库，如conda和pip，以及下载一些模型文件 。该工具包是基于多个开源项目构建的，包括first-order-model、avatarify-python、SimSwap和GPEN等 。Sensity AI是一个人工智能公司，其GitHub页面上还有其他的开源项目 。如果使用dot，需要遵守其所依赖的开源库的许可证 。
LLaVA
LLaVA是一个大型多模态模型，旨在实现通用视觉和语言理解。它端到端训练，可以理解文本和图像，并在聊天中灵活运用这些信息。LLaVA在多模态指令跟随数据集上与GPT-4表现相似，相对分数达到85.1%。在Science QA上，其准确率达到92.53%。LLaVA模型将预训练的视觉编码器（CLIP ViT-L/14）与大型语言模型（Vicuna）通过简单投影矩阵连接。训练分为两个阶段：阶段1只更新投影矩阵，基于CC3M子集进行特征对齐预训练；阶段2更新投影矩阵和大型语言模型进行端到端微调，适应日常用户导向应用和科学问答场景。
视频翻译配音
一个免费开源用于编辑和配音视频字幕的工具。用户在生成字幕后，可以轻松地修改它们，并重新生成配音。该工具提供了多种由edgeTTS提供的配音角色，并支持openai的TTS模型配音。此外，它还集成了google、chatGPT、DeepL、Baidu、DeepLX、Gemini和tencent等多种语音识别和翻译工具，以提供全面的服务。除了视频翻译和配音工具，该网站还提供了其他相关的开源项目，如声音克隆工具、语音识别工具和人声背景乐分离工具等。
DeepLX
OwO-Network/DeepLX是一个开源项目，它基于DeepL免费服务，将其转换为本地API，提供给第三方程序使用，例如沉浸式翻译、Bob等。DeepLX默认监听本地1188端口，提供多种安装方式，包括Windows、macOS、Linux和Docker。 DeepLX是无限制请求次数的，但DeepL可能会限制IP。在Python中使用DeepLX时，如果遇到429错误，表示你的IP已被暂时屏蔽，请不要频繁请求。
PASD
一个功能强大的开源图像处理工具，它能够实现真实感图像的超分辨率和个性化的风格化。该工具不仅可以将低分辨率的图像转换为高分辨率版本，而且还能保持或增强图像的真实感。它具备多种处理任务的能力，包括但不限于图像超分辨率、旧照片修复、个性化风格化（例如将照片转换为动漫风格）以及图像上色等。举个例子，你可以使用PASD来恢复家族旧照片的细节，或者将普通照片转换成具有独特艺术风格的作品。
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。