MagicAvatar
MagicAvatar是由字节跳动开发的多模态框架，它能够将各种输入模式（如文本、视频和音频）转换为运动信号，进而生成或激活一个虚拟形象（Avatar）。然后基于这些信号生成以形象为中心的视频。 以下是几种模式场景：
Facebook AI推出了一款多语言语音识别模型，它是目前最先进的系统之一，可以同时支持多种语言的语音识别，包括非标准化和口音较重的语音。该模型使用了先进的深度学习技术和自监督学习方法，以更好地利用大量未标记的数据进行训练，并在多项基准测试中取得了最优秀的结果。这一技术的应用可以极大地提高语音识别的准确性和可用性，为用户提供更好的语音交互体验。
数据统计
相关导航
Buzz：离线开源免费语音转文字（字幕） 翻译站点
Whisper 是一种通用语音识别模型。它利用各种大型数据集上的音频进行训练，也是一个多任务模型，可以执行多语言语音识别以及语音翻译和语言识别。 在第一次使用 Buzz 的时候，会下载 Whisper 的模型，根据不同的质量要求，模型尺寸也非常可观： Whisper模型存储在~/.cache/wilsper中。 Whisper.cpp模型存储在~/Library/Caches/Buzz（Mac OS）、~/.cache/Buzz（Unix）或C:Users<username>AppDataLocalBuzzBuzzcache（Windows）中。 Hugging 模型存储在~/.cache/huggingface/hub中。 https://github.com/chidiwilliams/buzz
xiaogpt
利用小爱同学向ChatGPT提问
DragNUWA
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。
Steamship 翻译站点
Steamship 是一个用于构建 AI 代理的平台。它的设计简单易用，但功能强大，足以构建复杂的代理。我们的 SDK 使您能够用 Python 构建代理，而我们的 CLI 使您可以轻松地将它们部署到云中。
Chatbot UI 翻译站点
一个开源的聊天机器人Web UI框架，Chatbot UI提供 OpenAI 的 ChatGPT UI 的改进版本。提供了一个简单的用户界面，具有新对话、新聊天、导入数据、导出数据、设置和插件键等功能。
Semi Design
Semi 设计稿转代码（Semi Design to Code，或简称 Semi D2C），是由抖音前端 Semi Design 团队推出的全新的提效工具。Semi D2C 可以一键将 Figma 设计稿转为前端代码，帮助研发侧快速实现 UI 还原工作，提升研发侧需求交付速度。
StreamDiffusion
StreamDiffusion是一种专门为实时图像生成服务设计的扩散模型管道，显著地提升了实时图像生成的性能。 在模型和输出帧率方面，它支持SD-turbo模型，1步，t2i每秒帧率106，i2i每秒帧率93。同时，它也支持LCM-LoRA+KohakuV2模型，4步，t2i每秒帧率38，i2i每秒帧率37。 其主要特点包括： 1. 通过高效的批处理操作实现数据处理流程的优化。 2. 改进的指导机制可以最大程度地减少计算冗余。 3. 通过先进的过滤技术提高GPU利用效率。 4. 有效管理输入和输出操作，实现更顺畅的执行。 5. 优化缓存策略以加速处理。 6. 利用各种工具进行模型优化和性能提升。 这些特点使得StreamDiffusion成为一种高效、实时的图像生成服务扩散模型管道。