AI开源项目

FastChat是一个开放平台，用于训练、服务和评估基于大型语言模型的聊天机器人。其核心功能包括： 最先进的模型（如Vicuna、FastChat-T5）的权重、训练代码和评估代码。 分布式多模型服务系统，具有Web UI和OpenAI兼容的RESTful APIs。 最新发布的 Vicuna 大语言模型 90% 程度媲美 ChatGPT/GPT-4STOCKIMG.AI：利用 AI 技术设计优秀的图片

Facebook Research开发的Audiocraft音频处理和生成库。它包含了先进的EnCodec音频压缩器/分词器以及MusicGen，一个简单且可控的音乐生成语言模型，具备文本和旋律条件约束。Audiocraft是使用深度学习进行音频处理和生成的工具。它可以帮助您进行音频压缩、分析和生成。 Audiocraft的一些主要功能特点包括：

FreeU是一个开源项目，该项目由ChenyangSi创建。它的目标是在Diffusion U-Net中提供免费的资源。 Diffusion U-Net是一个用于图像分割的深度学习模型。它基于U-Net架构，并通过将扩散过程与传统的卷积神经网络相结合，提供了更好的图像分割结果。 FreeU项目允许开发人员免费访问和使用Diffusion U-Net，无需支付任何费用。这为开发人员提供了方便和实惠的方式来学习和应用图像分割技术。

是一个聊天机器人，通过GPT模型和向量嵌入技术进行驱动。提供多个文件的聊天机器人服务，并且可以嵌入到其他应用程序中使用。它可以支持协助用户自动完成各种工作流程，并包含了一些强大的功能，如代码审查和安全漏洞检测等。此外，项目还提供了各种资源，如文档、学习路径、白皮书等，以帮助用户更好地了解和使用ChatFiles。

MidJourney Proxy 是一个开源项目，它可以实现 API 形式的调用 AI 绘图。它的功能特点包括：提供 Discord 频道的代理，支持 API 调用，实现 AI 绘图等。MidJourney Proxy 是免费的，无需任何费用即可使用。

FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频

ShortGPT是一个强大的自动化视频制作工具，它可以自动采集素材、编辑视频、配音、生成字幕，从而简化了视频创建过程。它可以根据你的脚本自动从网上采集素材，并自动合成语音，将脚本转化为口头表达。最后，它可以将这些素材和语音合成一个完整的视频。此外，如果你输入任意Youtube链接或上传mp4文件，它不仅会翻译内容还会自动配音！ ShortGPT的主要功能包括： 1、自动化编辑框架：使用面向大型语言模型(LLM)的视频编辑语言，简化了视频创建过程。 2、脚本和提示：为各种 LLM 自动编辑过程提供了现成的脚本和提示。 3、语音合成/内容创建：支持多种语言，包括英语、西班牙语、阿拉伯语、法语、波兰语、德语、意大利语和葡萄牙语。 4、字幕生成：自动化生成视频字幕。 5、素材采集：从互联网上采集图片和视频素材，必要时连接网络和 Pexels API。 6、内存和持久性：使用 TinyDB 确保自动编辑变量的长期持久性。 ShortGPT使用以下技术来实现其功能： Moviepy:用于视频编辑，使 ShortGPT 能够进行视频编辑和渲染。 Openai:用于自动化整个过程，包括生成脚本和 LL

Tryon Diffusion 是一个实时演示项目，尤其适用于虚拟试穿场景。它不仅迅速将用户的想法转化为精美的艺术作品，而且提供了丰富的资源。这类技术的另一个优点就是能提供充满活力的风格和颜色多样。用户可以尝试各种不同的艺术风格，使其快速地对自己的作品感受良好。 此项目在GPU性能方面具有较高的要求，因为合成高分辨率图像通常要求大量计算资源。有关错误信息与性能方面的讨论可在 GitHub 上找到，例如有关“CUDA out of memory”问题。这类问题可以通过调整参数及参考文档中的内存管理和 Disco 变分技巧进行解决。 总之，Tryon Diffusion 是一个实时演示项目，旨在利用先进的潜在扩散技术和算法创作出高质量的虚拟试穿体验。该技术不仅具有颠覆性创新潜力，而且对于广泛行业领域的应用具有极大价值。

PhotoMaker，利用多张照片作为身份ID，获取人物特征，然后根据描述生成符合描述的人物照片创造出一个新的、个性化的人物图像。 PhotoMaker也能把几个不同人的照片特征混合在一起，创造出一个全新的人物形象。还能改变照片人物的性别、年龄和生成多种风格的其他照片。快速逼真，效果自然。 PhotoMaker主要功能： PhotoMaker主要特点： PhotoMaker如何工作？ PhotoMaker首先分析照片，识别出每张照片中人物的特征，比如面部特征、发型、服装风格等。然后，它将这些特征结合起来，创建一个新的图像。这个图像基本上是你的脸，但可能有着电影明星的发型和表情，同时穿着那张历史服装照片中的服装。 最终的结果是一张全新的照片，这张照片展示了一个独特的人物形象：看起来像你，但具有其他照片中人物的特征和风格。这就是PhotoMaker的核心功能——结合多个不同照片的特征，创造出一个全新、个性化的图像。 源码：https://github.com/TencentARC/PhotoMaker

FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调

其核心功能是通过提供发言者的短音频片段（参考语音），实现声音的高效克隆。 这意味着您可以使用OpenVoice来克隆任何人的声音，而且不限于特定语言。无论您是想要模仿某位名人的声音，还是需要在不同语言之间进行语音转换，OpenVoice都能够满足您的需求。 项目地址： https://github.com/myshell-ai/OpenVoice