WXRedian | AIGC Studio

混合专家模型 (MoE) 详解

文摘 2024-11-08 00:01 美国

随着 Mixtral 8x7B (announcement, model card) 的推出，一种称为混合专家模型 (Mixed Expert Models，简称 MoEs ...

统一图像生成模型OmniGen：可由多模态提示直接生成各种图像。

文摘 2024-11-08 00:01 美国

今天给大家介绍一个北京市人工智能研究院提出的统一的图像生成模型OmniGen，可以使用它来执行各种任务，包括但不限于文本到图像生成、主题驱动生成、身份保留生成、图像编辑和 ...

NeurIPS2024 | OCR-Omni来了！字节&华师提出统一的多模态生成模型TextHarmony。

文摘 2024-11-08 00:01 美国

在人工智能领域，赋予机器类人的图像文字感知、理解、编辑和生成能力一直是研究热点。目前，视觉文字领域的大模型研究主要聚焦于单模态生成任务。尽管这些模型在某些任务上实现了统一， ...

登顶Hugging Face文生图模型榜首！Recraft V3可精确处理复杂长文本和手指等解剖学细节！

文摘 2024-11-06 00:00 美国

Recraft推出了其最新的图像生成模型—Recraft V3。通过引入设计语言思维，Recraft V3为图像生成树立了新的卓越标准。在Hugging Face 人工智能 ...

刚刚，阿里重磅开源基于FLUX的In-Context LoRA，可一次生成多张风格和ID一致的图片集。

文摘 2024-11-05 00:00 美国

今天给大家介绍In-Context LoRA 这个项目太强了，前几天发布的时候就引起了许多小伙伴的关注，但是当时还没有开源，就在刚刚，作者开源了In-Context LoR ...

ChatTTS：对话式高可控的语音合成模型，最强文本转语音工具！

文摘 2024-11-04 00:01 江苏

ChatTTS 一夜爆火，极速出圈， 3 天就斩获 9k 的 Star 量，截止 2024.06.04，已经 19.3k 的 star，极速接近 GPT-soVIT ...

Seed-Music：字节跳动开发的音乐生成模型支持多种数据输入生成和编辑音乐！

文摘 2024-11-04 00:01 江苏

Seed-Music是一个由字节跳动研发的音乐生成模型，用户可以通过输入多模态数据（如文本描述、音频参考、乐谱、声音提示等）来生成音乐，并且提供了方便的后期编辑功能，比如修 ...

超火的开源文本转语音工具 F5-TTS，一段音频+文字就可以模仿你想要的任何声色。

文摘 2024-11-04 00:01 江苏

F5-TTS是一种完全非自回归的基于流匹配和扩散变换器 (DiT) 的文本转语音系统。无需时长模型、文本编码器和音素对齐等复杂设计，只需用填充标记填充文本输入，使其长度与输 ...

Controlnet作者新作IC-light V2：基于FLUX训练，支持处理风格化图像，细节远高于SD1.5。

文摘 2024-11-03 00:01 江苏

IC-light V2：支持处理风格化图像“IC-Light”全称是“Imposing Consistent Light”，IC-Light 是一个操纵图像照明的项目。目前 ...

IC-Light，可以操控图像生成时的光照，光照难题终于被解决了！

文摘 2024-11-03 00:01 江苏

IC-Light代表Impose Constant Light,是一个控制图像照明的项目。可以操控图像生成时的光照，对内容主体重新打光生成符合新背景环境光照的图片。这下商品 ...

OpenFLUX.1：去蒸馏版本的FLUX.1-schnell，可进行微调，文中附模型下载地址。

文摘 2024-11-03 00:01 江苏

Flux Schnell 是经过 Apache 2.0 许可的，但它是一个蒸馏模型，这意味着无法对其进行微调。然而，这是一个很棒的模型，可以在 1-4 个步骤中生成令人惊叹 ...

零样本主题驱动图像生成新方法！EZIGen：在保持灵活性的同时保留主题身份！

文摘 2024-11-03 00:01 江苏

今天给大家介绍一个零样本主题驱动图像生成方法EZIGen，它可以从提供的主体图像中提取出重要特征，就像是给图像做一个“身份识别”，确保生成的新图像能够保留主体的独特特征。接 ...

Flux Lora｜可以和二次元合影啦！RealAnime-Detailed V2，可将动画与真实人物风格融合！

文摘 2024-11-02 00:00 江苏

今天给大家介绍一个很有意思的flux Lora：RealAnime-Detailed V2，可以合成二次元和真实人物混合的图片！它一个使用LoRA技术开发的Flux模型，专 ...

免费开源 AI 证件照制作工具：HivisionIDPhoto，文章附下载和使用教程。

文摘 2024-11-02 00:00 江苏

今天给大家推荐 GitHub 上一个轻量级的 AI 证件照制作工具：HivisionIDPhoto。实现了对多种用户拍照场景的识别、抠图与证件照生成，并提供不同尺寸规格的标 ...

CustomCrafter，可保留动作和概念合成功能的定制视频生成框架！

文摘 2024-11-02 00:00 江苏

腾讯联合浙大提出了一种定制化视频生成框架-CustomCrafter，它能够基于文本提示和参考图像生成自定义视频，同时保留运动生成和概念组合的能力。通过设计一系列灵活的模块 ...

Glyph-ByT5-v2，支持10国语言图文海报生成，效果惊艳！

文摘 2024-11-02 00:00 江苏

清华&北大&微软&利物浦大学联合提出Glyph-ByT5-v2这款工具支持多语言图文生成，包括英语、中文、日文、韩文、法文、德文、西班牙文、意大利文 ...

阿里巴巴推出升级版AI翻译工具：Marco MT 性能超越Google、DeepL和ChatGPT

文摘 2024-11-01 06:12 江苏

阿里巴巴的国际业务部门于推出了一款升级版的AI翻译工具，名为Marco MT。这款工具在翻译性能上超越了Google、DeepL和ChatGPT的同类产品。该工具的目标是帮 ...

港大和字节提出长视频生成模型Loong，可生成一分钟具有一致外观、动态和场景过渡的视频。

文摘 2024-11-01 06:12 江苏

HKU, ByteDance｜⭐️港大和字节联合提出长视频生成模型Loong，该模型可以生成外观一致、运动动态大、场景过渡自然的分钟级长视频。选择以统一的顺序对文本标记和视 ...

ScribbleDiff：使用涂鸦精细引导扩散，实现无需训练的文本到图像生成。

文摘 2024-11-01 06:12 江苏

ScribbleDiff可以通过简单的涂鸦帮助计算机生成图像。比如你在纸上随意画了一些线条，表示你想要的图像的轮廓。ScribbleDiff会利用这些线条来指导图像生成的过 ...

UIUC提出InstructG2I：从多模态属性图合成图像，结合文本和图信息生成内容更丰富有趣！

文摘 2024-11-01 06:12 江苏

今天给大家介绍的这项工作是伊利诺伊大学厄巴纳-香槟分校的研究者们提出的一个新任务 Graph2Image，其特点是通过调节图信息来合成图像，并引入了一种名为Instruct ...