Diffuse to Choose

AnimateDiff简介 AnimateDiff是一个能够将个性化的文本转换为图像的扩展模型，一款可以在stable diffusion中制作稳定gif动图的插件，它可以在无需特定调整的情况下实现动画效果。通过这个项目，用户可以直接通过文生图的形式就可以生成gif动图，将他们的想象力以高质量图像的形式展现出来，同时以合理的成本实现这一目标。随着文本到图像模型（例如，Stable Diffusion）和相应的个性化技术（例如，LoRA 和 DreamBooth）的进步，现在每个人都可以将他们的想象力转化为高质量的图像。随后，为了将生成的静态图像与运动动态相结合，对图像动画技术的需求也随之增加。而且从最终出图的品质来看，AnimateDiff生成的动图的表现非常的稳定，并且动图画面也很流程。AnimateDiff特点：1、AnimateDiff框架可以直接与现有的T2I模型集成，户不需要为每一个特定的任务或场景重新调整或训练模型。无需进行复杂的修改。2、AnimateDiff设计得足够灵活，可以与用户自己训练的T2I模型或从其他平台（例如Civitai或Huggingface）下载的模型集成。这为用户提供了极大的便利性，使他们可以轻松地使用AnimateDiff来增强他们现有的T2I模型。项目介绍：https://animatediff.github.io/代码：https://github.com/guoyww/animatediff/论文：https://arxiv.org/abs/2307.04725

Diffutoon简介 Diffutoon 是一项突破性的卡通着色进步，植根于扩散模型，可将逼真的视频无缝地转变为动漫视觉风格。该方法将卡通着色挑战分解为四个可辨别的方面：风格化、一致性增强、结构指导和着色。其主要卡通着色管道由植根于动漫风格扩散原理的多模块去噪模型推动，拥有令人印象深刻的渲染详细、高分辨率和长时间视频的能力。编辑分支的合并有助于根据提供的提示进行内容操作。通过闪存注意力的战略集成巧妙地缓解了 GPU 内存限制，从而实现高达 1536 x 1536 的分辨率。Diffutoon 能够以动漫风格渲染出细致、高分辨率、以及延长时间的视频。它还可以通过额外的分支编辑内容。Diffutoon 的有效性通过数值指标和人类评估进行评估。值得注意的是，Diffutoon 在我们的实验中超越了开源和闭源基线方法。Diffutoon 的主要功能：将真实感视频转换成各种动漫风格根据用户提示编辑视频内容，例如改变颜色或添加特效。详细保留了光照、头发和姿势等细节，同时保持了与动画风格密切相关的视觉效果。保持视频内容的一致性，避免闪烁和失真。能够生成高分辨率、长时间的视频。Diffutoon 的主要特点：高分辨率输出：Diffutoon 可以处理超高分辨率的视频，使其适合专业级动画和视频项目。一致性增强：它确保跨帧的风格化一致，这对于保持动画序列的视觉连贯性至关重要。可编辑内容：该方法允许根据提示进行内容编辑，为创作过程提供灵活性。结构指导和着色：Diffutoon 结合了结构指导和着色，以增强风格化输出的视觉吸引力和准确性。Diffutoon应用：动画制作：Diffutoon 可用于动画创作，将真人镜头或其他类型的视频转换为动画风格的动画。视频编辑：它能够根据提示编辑视频内容，这使其成为希望将动漫美学融入其项目的视频编辑者的强大工具。创意项目：艺术家和创作者可以使用 Diffutoon 在其视频内容中尝试不同的风格和效果。论文：https://arxiv.org/pdf/2401.16224Github：https://github.com/modelscope/DiffSynth-Studio项目：https://ecnu-cilab.github.io/DiffutoonProjectPage/

PDF-Guru简介 PDF Guru是一个通用型PDF文件处理工具，包含PDF合并、拆分、旋转、水印、加密、转换等20多项常用功能，完全开源，个人免费使用，界面简洁，简单易用。虽然目前网上关于PDF处理的工具有很多，但是都有一些缺点：专业的PDF编辑软件对于高级一点的功能（添加水印、页面编辑等）需要收费或限制功能在线PDF工具类网站需要上传PDF到服务器处理再下载，有泄露隐私风险各大编程语言的PDF处理库虽然可以免费实现一些高级功能，但是需要一定的编程经验，使用没有图形界面程序方便部分小众工具虽然可以满足部分特殊需求，但是功能较为单一由于PDF处理是一个很常见的需求，为了绕开上述这些限制，提高工作效率，诞生了此项目。PDF Guru优势：完全本地化：无需联网，不必担心隐私泄露功能丰富：支持包括PDF批量合并、拆分、添加水印、加密/解密、提取、OCR识别在内的20余项功能跨平台：支持在Windows、Mac、Linux设备上使用开源免费界面美观简洁，使用简单插件化：根据需要选择是否安装额外组件，减小安装包体积PDF Guru具体功能：PDF插入/替换插入：支持插入空白页和插入其他文件两种选项。替换：用目标PDF的指定页码范围来替换源PDF中指定的页码范围(此处的页码范围只支持1或1-3两种方式)PDF合并将多个PDF文件合并为一个整体PDF文件，支持自定义排序方式。PDF拆分将大的PDF文件拆分为若干个小的文件，支持多种拆分方式，如均匀分块、自定义范围、按目录级别拆分等。PDF旋转将PDF指定页面范围进行旋转。PDF删除删除PDF中的指定页面。PDF重排对PDF的页面顺序进行重排列。PDF裁剪对PDF页面进行裁剪。PDF缩放对PDF页面进行缩放。PDF分割将PDF页面拆分成若干个子页面，支持网格均匀分割和自定义分割方式。PDF组合将多个PDF页面合并为单个页面。页眉页脚设置PDF的页眉页脚。页码设置为PDF文件添加页码，内置了多种页码样式，也支持自定义页码样式。文档背景为PDF文档设置背景，支持使用颜色和图片作为背景。PDF水印为PDF文档添加水印，也提供了多种方式去除PDF文档水印(仅为提升阅读体验使用，切勿滥用侵权)添加水印：支持文本、图片、PDF文档三种形式的水印添加，其中文本水印支持字体、字号、颜色、不透明度等多种属性控制，支持设置多行水印等。去除水印：支持多种水印去除方式，可根据实际情况选择合适的方式(不保证绝对有效)。视频教程: https://www.bilibili.com/video/BV1Qz4y1E7vq/PDF加密/解密给PDF文档设置密码，包括打开密码和权限密码。也支持对PDF文档进行解密并恢复权限。PDF书签支持提取PDF书签、写入PDF书签，甚至使用ocr技术自动识别PDF书签(需要额外安装paddleocr环境)视频教程：https://www.bilibili.com/video/BV1Wx4y1o7P6/PDF提取提取PDF文档中的页面、文本、图片等PDF压缩对PDF文档进行压缩减小体积。PDF转换提供PDF与其他格式之间的转换。部分转换需要pandoc(需要额外安装)的支持。OCR识别对PDF页面进行OCR识别，也支持对图片的OCR识别。双层PDF制作 相关资讯： 10款优秀的人工智能解析阅读PDF工具推荐

Cody Former简介 CodeFormer是一个高级的人工智能图像处理工具，Cody Former专注于面部修复、图片清晰化以及视频去除马赛克和修复。CodeFormer利用了先进的ai技术，包括基于Transformer的架构和注意力机制，能够有效地分析和处理图像，使之恢复如新，增强颜色，恢复面部细节，并减少照片中的噪点。CodeFormer特别适用于老照片的修复，使得珍贵的记忆得以生动再现。CodeFormer作为一个开源项目，在GitHub上可以找到其源代码和相关文档，支持通过GPU或CPU进行加速处理，但使用GPU需要确保系统配置满足CUDA和cuDNN的要求。对于非技术用户，它也提供了图形界面的一键安装版本，简化了安装和使用流程。此外，CodeFormer在处理效果上被广泛认为是非常强大的，能够实现马赛克去除，提升图像质量，甚至在视频修复领域也有出色表现。CodeFormer项目地址：https://shangchenzhou.com/projects/CodeFormer/ CodeFormer下载地址：https://github.com/sczhou/CodeFormerCodeFormer主要功能特征：1、图像修复与增强人脸修复：特别擅长处理低质量、模糊或损坏的面部图像，能够去除图像中的噪声、马赛克，修复划痕或模糊区域，恢复细节，使面部图像接近原始清晰度和色彩。色彩化：能够将黑白或单色图像转换为彩色，赋予历史照片新的生命。破损图像修复：对于缺失部分或涂鸦破坏的图像，CodeFormer能进行智能修复，尽可能恢复原貌。多人图像增强：不仅适用于单人图像，也能处理包含多个人物的图片，提升整体图像质量。自动编码器技术：利用自动编码器实现图像变换，包括清晰化和色彩调整，优化图像视觉效果。2、视频处理视频增强去码：针对视频中的模糊、抖动、颜色失真等问题，CodeFormer能提供修复，提升视频的清晰度和稳定性。超分辨率重建：能够将低分辨率视频升级到高分辨率，改善观看体验。帧级处理：逐帧分析和修复视频，确保整个视频的一致性和高质量。CodeFormer的安装步骤是什么？1、确保Python环境：首先，需要安装Python 3.8版本。你可以直接从Python官网下载Python 3.8，避免使用最新版本以防止潜在的依赖问题。或者，选择安装Anaconda，它是一个包含Python和众多科学计算库的发行版，便于管理环境。安装Anaconda后，创建一个名为codeformer的虚拟环境，指定Python版本为3.8。2、安装Git：下载并安装Git，这是一个版本控制系统，用于从GitHub上克隆CodeFormer的源代码。3、安装PyTorch：对于PyTorch的安装，推荐使用命令行工具（如Anaconda Prompt而非普通CMD），输入特定命令安装PyTorch，确保选择与你的Python环境兼容的版本。如果遇到“conda”命令不可用的问题，确保在Anaconda Powershell Prompt中执行安装命令。4、克隆CodeFormer源码：打开终端（如Windows的CMD或Anaconda Prompt），使用git clone https://github.com/sczhou/CodeFormer命令将CodeFormer项目从GitHub复制到本地。5、安装依赖库：进入克隆后的CodeFormer文件夹，通过运行pip install -r requirements.txt -q来安装所有必需的Python库。如果遇到安装速度慢的问题，可以使用国内的镜像站，如清华大学的TUNA镜像，通过添加-i https://pypi.tuna.tsinghua.edu.cn/simple来加速下载。但需注意，某些库可能在特定镜像站中不可用，如tb-nightly，这时可能需要单独从其他镜像站如阿里云下载。6、配置环境：确保所有操作都在CodeFormer的项目目录下进行，避免路径错误。7、额外处理：如果在使用镜像站时遇到特定库无法安装的问题，比如tb-nightly，需要单独处理，例如使用阿里云的镜像安装该库。完成上述步骤后，理论上CodeFormer的环境就搭建完成了，接下来可以按照项目文档的指示进行模型的编译和使用，以便开始人脸修复或其他图像处理任务。对于不熟悉编程的用户，推荐直接使用官方提供的在线服务，以更简单的方式体验CodeFormer的功能。 相关资讯： 如何使用CodeFormer修复老旧照片和去除马赛克？

MindSearch简介 MindSearch 是一个开源的 ai 搜索引擎框架，具有与 Perplexity.ai Pro 相同的性能。您可以轻松部署它来构建您自己的搜索引擎，可以使用闭源 LLM（如 GPT、Claude）或开源 LLM（如 InternLM2.5-7b-chat）。MindSearch特性：任何想知道的问题：MindSearch通过搜索解决你在生活中遇到的各种问题深度知识探索：MindSearch通过数百网页的浏览，提供更广泛、深层次的答案透明的解决方案路径：MindSearch 提供了思考路径、搜索关键词等完整的内容，提高回复的可信度和可用性。多种用户界面：为用户提供各种接口，包括React、Gradio、Streamlit 和本地调试。根据需要选择任意类型。动态图构建过程：MindSearch将用户查询分解为图中的子问题节点，并根据 WebSearcher 的搜索结果逐步扩展图。MindSearch 有什么新功能？具有大型语言模型的最强大的答案引擎之一（LLM ）。询问您想知道的一切：MindSearch旨在解决您生活中的任何问题并利用网络知识深入的知识发现：MindSearch浏览数百个网页来回答您的问题，提供更深更广的知识库答案详细解决路径：MindSearch 公开所有详细信息，允许用户检查他们想要的所有内容。这极大地提高了最终响应的可信度以及可用性多代理LLM框架：多个之间的无缝集成LLM代理，可在1分钟内实现300+网页浏览全部开源：每一段代码都是开源的，拥抱一种对新想法和贡献持开放态度的文化。部署您自己的答案引擎！优化UI体验：为用户提供各种接口，包括React、Streamlit、Terminal。根据您的需要选择任何类型与其他人工智能搜索引擎相比，基于 ChatGPT-Web、Perplexity.ai (Pro) 和 MindSearch 生成的响应的深度、广度和真实性来比较，更符合人类的偏好。 相关资讯： 10款开源AI搜索引擎项目合集

VideoSrt简介 VideoSrt是一个可以识别视频语音自动生成字幕SRT文件的开源软件工具。基于Golang语言，使用lxn/walk Windows-GUI工具包开发的开源软件工具。适用于快速、批量的为媒体（视频/音频）生成中/英文字幕、文本文件的业务场景。VideoSrt具有易用的界面和多种强大功能，使其成为处理媒体字幕的理想选择。VideoSrt需要注册阿里云账号，接入语音引擎，用于语音识别生成字幕文件（和Autosub-ahk功能一样，只不过Autosub-ahk接入的是Google Speech V2 API），也需要注册百度翻译开放平台账号或者腾讯云账号，接入翻译引擎，用于将英文字幕文件翻译为中文字幕文件，具体教程看GitHub简介VideoSrt应用场景：识别视频/音频的语音生成字幕文件（支持中英互译，双语字幕）提取视频/音频的语音文本批量翻译、过滤处理/编码SRT字幕文件VideoSrt优势：使用阿里云语音识别接口，准确度高，标准普通话/英语识别率95%以上视频识别无需上传原视频，方便快速且节省时间支持多任务多文件批量处理支持视频、音频常见多种格式文件支持同时输出字幕SRT文件、LRC文件、普通文本3种类型支持语气词过滤、自定义文本过滤、正则过滤等，使软件生成的字幕更加精准支持字幕中英互译、双语字幕输出，及日语、韩语、法语、德语、西班牙语、俄语、意大利语、泰语等支持多翻译引擎（百度翻译、腾讯云翻译）支持批量翻译、编码SRT字幕文件

PhotoMaker简介 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：根据文字描述制作照片：你可以告诉它你想要的人物样子，它就能生成符合描述的人物照片。身份混合：如果用户提供不同的图像 ID作为输入，我们的PhotoMaker可以很好地整合这些特性 的不同 ID 形成一个新的 ID。改变年龄或性别：比如，你可以把一张男士的照片转换成女士的样子，或者让照片中的人看起来年轻或年老。风格化：它还能给照片加上不同的艺术效果，比如油画风格或卡通风格。而保留 ID 属性。将艺术品/旧照片中的人物带入现实：由 拍摄一个人的艺术绘画、雕塑或旧照片 作为输入，我们的PhotoMaker可以将一个人从上个世纪甚至远古时代带到本世纪 为他们“拍照”。我们在每张图片下方显示条件反射提示。PhotoMaker主要特点：结合多张照片的特征：PhotoMaker可以取多张照片，这些照片可以是同一个人的，也可以是不同人的。它分析这些照片中的特征，然后将它们结合起来，创造出一个新的、个性化的人物图像。灵活的文本控制：与其他方法相比，PhotoMaker提供了更灵活的文本控制能力。用户可以通过文本提示来指导图像的生成，这使得创造出的图像不仅逼真，而且能更好地符合用户的具体要求。高效率和快速生成：相比于需要大量微调的方法（如DreamBooth），PhotoMaker在保持身份信息的同时，提供了更快的生成速度。它能在短时间内（例如10秒）生成定制的人类照片，这对于需要快速生成结果的应用场景非常有利。高身份保真度：PhotoMaker在生成图像时能更好地保持人物的身份特征。这对于需要精确保留人物特征的场景（如个性化肖像或身份识别）尤其重要。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

DuckDB-NSQL简介 DuckDB-NSQL，一个专门为DuckDB数据库设计的文本到SQL的模型，你可以使用自然语言说描述你的需求，它会自动转换成SQL代码，也就是可以使用自然语言来和你的数据库聊天。DuckDB-NSQL大大简化了数据库查询的过程，使得即使是不太懂SQL语言的用户也能轻松地与数据库进行交互和数据处理。DuckDB-NSQL-7B模型是基于大约200,000条合成生成并验证的DuckDB SQL查询以及来自Numbers Station的超过250,000条一般性文本到SQL问题训练而成的。DuckDB-NSQL不仅能生成有用的DuckDB代码片段，还能生成用于回答分析问题的SQL查询。Hugging Face：https://huggingface.co/spaces/motherduckdb/DuckDB-NSQL-7BDuckDB-NSQL主要特点：1、自然语言处理能力： 能够理解和处理自然语言输入，将用户用普通话语描述的数据查询需求转换成SQL查询代码。2、针对DuckDB优化： 专为DuckDB-NSQL数据库定制，能够充分利用DuckDB的特性和功能。3、高效的查询生成： 对于常见的数据查询任务，如创建表、选择数据、排序和过滤等，都能快速生成准确的SQL代码。4、用户友好的交互： 用户无需深入了解SQL语法，只需通过自然的语言描述就可以进行复杂的数据查询。5、文档式的查询指导： 模型知识覆盖DuckDB 0.9.2中记录的所有功能，包括官方扩展，类似于一个随时可用的文档查询工具。6、低延迟： 为了提供低延迟的SQL辅助特性，该模型采用了相对较小的模型大小，使得推理过程更快、成本更低。7、广泛的应用场景： 不仅能生成DuckDB-NSQL的代码片段，还能生成用于回答分析性问题的SQL查询。8、开源和易于访问： 模型权重在Hugging Face上完全公开，方便用户下载和使用。9、本地运行支持： 支持与llama.cpp一起在本地完全体验，提供了完整的本地运行指导。