AnyDoor 是一个零样本对象级图像定制的实现方案,旨在帮助用户对图像中的特定对象进行定制化处理。
ComfyUI-Marigold是一个用于深度估计的工具,旨在提升ComfyUI的功能,使其在3D建模和视觉特效中更具实用性。
Marigold是一个计算机视觉项目,旨在利用扩散模型生成单目深度估计和图像特征分析,支持高分辨率深度图提取。
Cloth2Tex是一个定制化的布料纹理生成管道,旨在为3D虚拟试穿提供支持,提升用户体验。
srt-gpt-translator是一个基于OpenAI API的字幕翻译工具,支持多语言srt文件翻译及双语字幕输出。
Marker是一个快速准确地将PDF及多种文档格式转换为Markdown和JSON的工具,支持提取图像及格式化复杂内容。
LiteLLM是一个Python SDK和代理服务器,支持调用100多个以OpenAI格式提供的LLM API,如Azure、OpenAI和HuggingFace等,方便用户接入各类语言模型。
clone-voice是一个基于web界面的声音克隆工具,用户可以使用特定音色合成语音或将不同声音转换为特定音色,支持多种语言。
StyleTTS 2是一个先进的文本转语音模型,通过风格扩散和对抗训练实现人类级别的语音合成,支持无参考语音的风格建模。
twitter-video-dl是一个用Python编写的工具,允许用户直接下载Twitter视频为mp4格式,使用简单,无需API密钥或额外工具。