项目功能：音频转文字
项目介绍：一个基于 OpenAI Whisper Large v3（https://huggingface.co/openai/whisper-large-v3） 模型的高速音频转文字工具，能够在不到 98 秒的时间内转录 300 分钟（5小时）音频。
适用于多场景，支持 100 种语言的转录并支持翻译功能，提供按词或片段生成时间戳文本，方便字幕制作。
提供命令列界面（CLI），也可以通过 Whisper API 进行线上语音转文字。
线上体验：https://replicate.com/vaibhavs10/incredibly-fast-whisper
GitHub源码：https://github.com/Vaibhavs10/insanely-fast-whisper
扫描二维码推送至手机访问。
版权声明：本站内容为原创和部分整理自网络，如有侵权务必联系我们删除，保障您的权益，本站所有软件资料仅供学习研究使用，不可进行商业用途和违法活动，本站不承担任何法律责任。
用图片生成视频效果很惊艳SVD 支持文本和图像生成视频，还支持物体从单一视角到多视角的转化；目前最高支持生成 14/25 帧、576 x 1024 分辨率的视频尽管 SVD 还处于基础阶段，但是相信未来一定会成为像 SDXL 一样的顶级开源 AI 模型GitHub地址：https://github....
真的是相当牛逼Runway 发布视频生成模型 Gen-2 的运动笔刷功能"Motion Brush/运动笔刷"的发布代表了模型可控性的一个重要里程碑，用户只需绘制一个区域或主题，选择一个方向并为运动添加强度即可。运动笔刷允许您为您的生成添加受控运动，从而更好地控制生成的内容。还可...
以图片生成视频，未来的重量级选手Pika Labs 推出视频生成模型 Pika 1.0Pika 1.0 整体是个重大产品升级，包括一个新的 AI 模型，能够生成和编辑 3D 动画、动漫、卡通和电影等各种风格的视频。允许用户上传自己的视频来局部编辑与重构场景，比如为画面中的人物更换衣物，为视频中的猩猩...
SDXL Turbo 是 SDXL 1.0 的改进版本现在你只需要在文本框中输入你的想法，SDXL Turbo 就能够迅速响应生成图像，快如闪电但是生成人脸还是有点差强人意，而且中文prompt不太行，虽然生成的很快，但是不能真正理解中文的意思，需要使用英文prompt，生成的会准确一些体验地址1：...
Autoware ：一个开源的自动驾驶系统Autoware 基于机器人操作系统 (ROS) 构建，可在各种车辆和应用中实现自动驾驶的商业部署。Autoware 的主要功能和特点：1、模块化架构：Autoware 包含自动驾驶所需的所有功能（如感知、定位、规划、控制），并采用模块化架构，具有清晰定义的...
上传一个视频选择清晰度，它会自动提升视频的质量。处理完的视频可以直接在网页上预览，也可以下载到电脑上。还提供了几种不同的模型处理模式，可以根据视频的内容选择最合适的。1.标准模型（RealESRGAN_x4plus）：适用于大多数普通视频，能够提升视频的清晰度和细节。2.动画专用模型（RealESR...
2025-01-14 14:01:47
2025-01-14 13:59:54
2025-01-14 13:58:26
2025-01-14 13:57:10
2025-01-14 13:44:14
