剑二十七

GFPGAN是一个由腾讯PCG应用研究中心（ARC）开发的开源项目，专注于现实世界中的人脸修复算法。它利用预训练的人脸生成对抗网络（GAN）中的丰富先验信息来进行盲脸修复，尤其擅长处理低分辨率或损坏的人脸图像。GFPGAN主要特点：实用性：旨在为实际应用中的人脸恢复提供实用算法。先验信息：利用GAN（如StyleGAN2）中的丰富和多样先验信...

PhotoMaker是一个由腾讯ARC实验室和南开大学MCG-NKU联合开发的前沿图像生成工具，该项目在CVPR 2024会议上进行了展示。PhotoMaker旨在通过堆叠的ID嵌入技术，实现对真实人类照片的定制化编辑与生成。其核心功能在于能够迅速根据用户提供的参考图像（ID图像），结合文本提示，生成具有高度身份一致性（ID fidelity...

这个项目对显卡要求有点高，我大概10秒的视频 转成动漫风格8G的4060大概需要1小时左右。所以你如果显存低于8G 就不要试了。CPU也会占用不少。整合包我已经做好了，解压后记得先安装好cuda就可以使用了。下面是视频演示

MVSEP-MDX23-music-separation-model 是一个专为2023年音乐分离挑战赛（MDX'23）设计的音频分离模型，它能够将音乐分解为四个独立的音轨：“低音”、“鼓声”、“人声”和“其他”。该模型在挑战赛中取得了第三名的好成绩（Leaderboard C），证明了其在音乐分离领域的强大实力。此模型基于Demuc...

waifu2x-caffe 是一个开源软件项目，旨在通过使用深度学习技术来提高图像的分辨率和质量。这个项目最初是由日本工程师lltcggie开发的，基于 Caffe 深度学习框架实现。waifu2x-caffe 的主要功能是将低分辨率的图像放大至高分辨率，并提升图像的视觉质量，尤其在处理动漫风格的图像方面表现出色。这个软件的强大之处在于其通过...

EmotiVoice（易魔声）是一款功能强大且现代的开源文本转语音（TTS）引擎，由网易有道开源并维护。该软件以其中英文双语支持和超过2000种不同的音色而闻名，为用户提供了极为丰富的声音选择。以下是对EmotiVoice（易魔声）的详细介绍：一、核心功能双语言支持：EmotiVoice支持中英文两种语言的文本转语音，满足了不同用户的语言需求...

LivePortrait是一款由快手科技与中国科学技术大学和复旦大学合作开发的先进AI驱动的肖像动画框架，其项目地址位于https://github.com/KwaiVGI/LivePortrait。该软件旨在通过创新的图像处理技术，将静态的照片转化为栩栩如生的动态视频，为用户带来更加生动有趣的视觉体验。核心特点高效性：LivePortrai...

MimicBrush是一款由阿里巴巴、中国香港大学和蚂蚁集团共同研发的创新性AI图像编辑工具，该软件通过先进的AI技术，实现了零样本图像编辑，为用户带来了前所未有的图像编辑体验。核心特点模仿式编辑：MimicBrush能够自动识别并模仿参考图像中的视觉元素，将其应用到源图像中指定的编辑区域，实现精准且自然的图像融合。自动化编辑：用户只需简单指...

写在最前面，这个开源项目我早就关注了，但是一直没有合适的硬件来折腾，但是不折腾又不甘心。这不群里傻木小伙伴提供了一台机器暂时折腾一下，我就用这个机器昨天抽空弄了这个的开源整合包，模型是真的多啊。下载了我半夜。。。虽然整合包是做好了可惜很遗憾，这个视频重绘还是太耗显卡。我估计最低都需要12G 显存，否则一点运行就直接爆了显存。不信的可以看后面的...

转换速度还可以，我玩了一上午，大概10多秒就可以转一次1分钟左右的音频。效果还是不错的，分离出来的人声很干净，如果搭配其他字幕软件是很容易被识别出来的。关键是这个软件安装好就可以用了，不需要去设置一些复杂的参数什么的。UltimateVocalRemoverGUI是一款开源的人声分离软件，采用了最先进的音源分离模型，以去除音频文件中的人声。该...

Paints-Undo是一个专注于数字绘画行为的创新AI模型项目，其目标是为人类艺术家和研究者提供一个基础模型，以更好地理解和模拟人类绘画的过程。Paints-Undo的核心功能在于它能够通过输入图像，反向推导出绘制该图像的一系列步骤。这一功能不仅限于简单的素描、着色等过程，还能模拟复杂的阴影处理、图层变换、颜色曲线调整等人类艺术家在创作过程...

最近都在留意这个文字转语音工具，无意发现了这个开源项目，效果相当不错，所以顺手就做成了整合包，本身这个项目是支持N卡的，但是因为我没有N卡，所以就只能做成了用CPU跑。。。如果你有N卡，想高效率去生成语音的话可以去开源项目那里看看。群里有小伙伴说这个能否做小说推文，我自己测试了下完全可以，而且我感觉比某音某手上面的小说推文的语音好多了，文末会...

ChatTTS是一个开源的基于PyTorch的文本到语音（TTS）转换项目，旨在为开发者提供一个简便、高效的方式来将文本转换为自然 sounding 的语音。尽管项目的文档表明它还在开发完成阶段，这个项目具有实验和开发潜力，特别是在人工智能和机器学习领域的应用中。功能与使用方式：ChatTTS 项目的主要功能是将文本输入转换为语音输出。项目内...

热心网友万能君基于开源项目lama 做的一个壳 方便操作，无需搭建环境 解压后即可食用下面图片是官方演示效果，确实还是挺惊艳的：下面是这个开源项目的一些介绍LaMa（Resolution-Robust Large Mask Inpainting with Fourier Convolutions）是一种用于图像修复的深度学习模型。它专门设计用...

群里一个摄影朋友应该对这个图片处理打光这类有需求，就一起共同研究了下这个IC-Light开源项目。因为我本人没有N卡，所以整合包的制作也是在盲狙的情况下制作的。。。A卡没办法运行这个项目。但是结果还是比较满意的。整合包已经制作好了。下面简单看下效果演示上图为原图 来自互联网下面全部是处理后的效果操作界面大概就是这个样子下面简单讲下使用教程双击...

今天无意发现个好东西啊，可以图片替换颜色。给出一张目标图片，然后就可以把原图处理成目标图片相似的风格颜色了。这话说的有拗口。我给一张演示你们知道了比如 我需要把下面的图片以下面图片做参考我为了对比明显给你们看得更明白一点，所以选择这个风格颜色过于鲜明的图片了处理后就是下面这样了是不是跟参考图片是差不多风格和颜色了？演示继续当然你们玩的时候不需...

我之前在微信公众号上有分享这个工具的视频演示。点这里进去看看可以实现人声和背景音乐分类，也可以歌曲人声分类，我已经把所有的模型都下载好，解压即可使用。这个算是上次分享的那个人声背景音乐分离工具的后续吧，之前分享的时候是免费的，后来收费了，喜欢白嫖的人还是很多啊，这次补上这个工具吧 免费开源 无需联网即可操作SpleeterGUI是一款功能强大...

今天在逛github的时候，想找一款视频高清修复放大之类的工具，找了不少，但是感觉操作都是有点小复杂，不是需要搭建各种环境就是各种复杂参数或者是各种模型，看的我头晕目眩。太复杂的工具已经不适合我这样的老年人了，我就喜欢那种解压就能用而且还不要复杂操作。还真让我找到一个。现分享出来下面看图片演示这是原始视频从上面的参数 可以看出来 原始视频的大...

今天心血来潮感觉很久没有分享AI图片了，然后趁早今天太阳不错，很暖和的样子，准备出门去嗦个粉，好久没出去了。。。出门前准备生成一些AI图片。然后看看效果怎么样，这玩意效果就像抽奖一样，不是每张都效果很好的。但是今天我的手气还不错，出图率很高。打开Stable Diffusion 输入关键词，自我感觉应该差不多了然后把批次数直接拉到1...

我们都知道AI生成图片，是很吃电脑配置的，特别是显卡。没有一个好的显卡，就靠CPU来烧，那效率太残忍了。所以很多时候我都是在网上找一些在线AI生成图片的网站。一直都用的挺好的，但是不知道为什么这几天我用的大部分都倒闭了。真是太残忍了，没地方白票了好痛苦啊。这不就有小伙伴给我留言说 没得用了，很烦躁啊。我也烦躁啊。昨天还特别做了个视频还给你们展...

C站上有一款大模型下载量已经过了100万了，而且展示的图片也看起来很普通的。为什么这个下载量会远超其他模型。下载量居然是恐怖的100万+。先看截图你们就知道了我们平时很熟悉的麦橘都是屈居第二，看截图之前也没接触过这个排名第一的大模型，先看看它给出的演示图片。这么一天，这个大模型其实表现一般般嘛，没有想象中的那么惊艳，亲自测试一下，模仿下它的提...

群里最近在讨论Stable Diffusion这个AI绘图工具。大部分问的是一些很基础的知识，刚好我之前又收藏了一些，感觉对各位小伙伴应该有用，我也是从这些视频入门的。这些视频教程都是别人用来割韭菜的。我大致看了下像某音上基本都是收199，299 这样的价格的。。。所以想学的话就下载加油看吧。也有群里小伙伴说让我出这样的教程，我的天，我要是有...

今天在网上瞎逛的时候，发现有个热心网友分享出来rope的A卡版，本身这个rope 是不支持A卡的，我也是一直在用cpu跑，虽然cpu跑的速度也不错，但是我估计用显卡来跑肯定效率更高，就大致用了一下确实很不错。下面看截图，作者另外取了个名字叫蛋白石加强版，有点意思的。。。想试试的小伙伴可以玩玩。后面是工具运行时候，性能界面截图项目开源地址htt...

这个rope最新更新很大，而且效果也是越来越好，只是因为某些原因导致，被我一直很忽视了。抽空做了一期视频教程，其实这个工具使用起来也是非常简单。只是因为软件的界面有点反人性，导致一下接触的小伙伴很是懵B。说实话我刚开始也是很懵B。但是你们不要担心，看了我的教程后基本就是3分钟上手，5分钟精通了 教程时间大概是3分钟多，讲的比较细，耐心看完你肯...

一不小心就生成了500多张你女朋友的头像，本来想把我的下载站的随机头像更新一下，毕竟看久了就腻了，换个花样。但是感觉有些小伙伴可能也会喜欢这样的头像，今天就把这些图片分享出来。下面来看截图。图片都是正方形的。512x512，如果觉得小了 可以自行用无损AI图片放大工具去放大免费开源的 AI 图像放大提升增强画质工具，跨平台 upscayl 最...

之前有不少的小伙伴一直在问我的封面图，昨天整理了下，今天分享出来，大概有3000多张，绝大部分都是精品。很适合做文章的封面图。都是用Stable Diffusion生成的Ai图片。没有版权纠纷，可以放心使用。大部分都横屏图片，分辨率大小为1024x576，如果觉得这个分辨率太小了的话，可以用我之前分享的ai图片无损放大工具去放大一下就好了。免...

DDColor 是由 阿里达摩院 研究的基于深度学习技术的 图像上色模型，它能够自动将黑白或灰度图像着色，使图像更加生动逼真。开源地址ICCV 2023 论文“DDColor：通过双解码器实现逼真的图像着色”的官方 PyTorch 实现基于此简单打包了个本地版使用方法：解压后运行 MGcolor.exe，等待模型加载完成后，拖入图片文件注意：...

可实现本地电脑的音频转文字软件！双向转换，完全免费开源！支持 Windows、macOS、Linux（目前界面只有英文的，但支持中文的转换）特征基于 DirectCompute 的供应商不可知的 GPGPU；该技术的另一个名称是“Direct3D 11 中的计算着色器”纯 C++ 实现，除了基本的 OS 组件外没有运行时依赖性比 OpenAI...

这个软件的1.0 我以前有分享了，其实作者早几天更新了，但是我最近一直在玩那个视频生成就没什么时间来折腾这些。我对这些AI的工具还是很感兴趣的。所以想想还是要更新一下，让更多的小伙伴来玩玩这些个有趣的工具。AI人工智能 音视频转文字字幕小工具 批量转换 识别率高 操作简单作者是万能君，很牛X的大神，出了不少的一键离线包，再次感谢大神的付出。这...

好久没有更新AI相关的工具了，最近确实是有点懒了，原因也有不少，主要是下载站的代码目前还是没有完美完善，现在还在折腾，有时候人总是矛盾的，比如就一个回复可见我都斟酌了好久了，一方面想大伙能下载软件后能留下自己的留言回复，这样也相当于互动，免的老让我产生一个错觉，那就是始终就是我一个人在折腾，如果有了回复就不一样，我一大早起来去打开留言查看，发...

前2次分享的AI图片还比较受小伙伴的欢迎，抽个时间整理了第三波，全部都是正方形的 图片比例是1:1，上次分享的是横版和竖版的图片。分享的图片不是简单的用裁剪工具采集而成，都是通过AI重新构图生成。包含了N种分类，因为时间有限精力也有限，实在是没办法把分类也整理出来。下面是随手选的一些图片，先看看另外我要特别说明一下啊，我用的文章配图的封面大部...

上次分享了100张AI人工智能生成的图片后，发现还是有不少小伙伴喜欢，这次整理的是横屏的图片，网上的AI生成的图片大部分都是竖屏的，导致有时候使用起来不是很方便，所以这次特地整理了1600+横屏的图片。这样使用起来就更方便，更爽了。下面是素材的截图，只是部分，实在是太多了，下载地址在文末。分低分辨率和高分辨率2种，以满足不同场景的需求。如果各...