AnyDoor

MotionAgent一站式视频生成工具简介 MotionAgent是一个能将用户创造的剧本生成视频的深度学习模型工具。用户通过我们提供的工具组合，进行剧本创作、剧照生成、图片/视频生成、背景音乐谱写等工作。其中，通义千问 -7B 模型可以帮助生成高质量的剧本内容，文本生成图片模型可以生成剧照，而核心模型 I2VGen-XL 可以将剧照转化为视频，最后音乐生成模型可以生成想要的音乐。通过 MotionAgent，用户可以将自己的创意轻松变成现实。MotionAgent功能特性1、剧本生成（Script Generation）用户指定故事主题和背景，即可生成剧本，剧本生成模型基于LLM（如Qwen-7B-Chat），MotionAgent可生成多种风格的剧本2、剧照生成（Movie still Generation）通过输入一幕剧本，MotionAgent即可生成对应的剧照场景图片3、视频生成（Video Generation）图生视频，支持高分辨率视频生成4、音乐生成（Music Generation）MotionAgent可自定义风格的背景音乐

易魔声EmotiVoice简介 易魔声EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。易魔声EmotiVoice提供一个易于使用的web界面，还有用于批量生成结果的脚本接口。当前的实现侧重于通过提示控制情绪/风格。易魔声EmotiVoice只使用音高、速度、能量和情感作为风格因素，而不使用性别。但是将其更改为样式、音色控制并不复杂，类似于PromptTTS的原始闭源实现。所有用户可免费在开源社区GitHub进行下载使用，并通过提供的 web 界面和批量生成结果的脚本接口实现音色的情感合成与应用。

EchoMimic简介 EchoMimic是一个蚂蚁集团支付宝基于音频驱动的肖像动画生成工具，通过可编辑的特征点条件生成逼真、自然的动画，用户可以根据自己的需求调整动画细节，可用于虚拟主播、视频编辑等，效果比SadTalker、MuseTalk好，表情更丰富动作更顺畅。EchoMimic可以根据人像面部特征和音频来帮人物对口型，结合面部标志点和音频内容生成较为稳定、自然的视频。EchoMimic功能:音频驱动动画，可以根据音频生成人物肖像的动画，比如唱歌、说话视频等。姿势驱动动画，可以根据姿势数据生成人物肖像的动画。音频和姿势混合驱动动画，可以同时使用音频和姿势数据来生成动画。WebUI 和 GradioUI，提供图形界面，易于使用。可编辑的标志调节：用户可以选择特定的面部标志来控制动画，提供更大的灵活性和定制性。支持多语言（包含中文普通话、英语）及多风格，也可应对唱歌等场景。EchoMimic应用：肖像图像动画：使用音频输入从静态图像创建动态视频，可用于娱乐、虚拟化身和数字通信。增强稳定性和自然度：通过结合两种输入，克服音频驱动方法的不稳定性和关键点驱动方法的不自然性。可定制的动画：用户可以编辑特定的面部标志以实现所需的动画效果。ComfyUI EchoMimic：https://github.com/smthemex/ComfyUI_EchoMimicEchoMimic项目：https://badtobest.github.io/echomimic.htmlEchoMimic Github：https://github.com/BadToBest/EchoMimicEchoMimic模型：https://huggingface.co/BadToBest/EchoMimicEchoMimic 由蚂蚁集团支付宝终端技术部开发的音频输入驱动创建逼真肖像动画的技术。它使用可编辑的地标调节来实现逼真的面部动作和表情，从而实现高度可定制且外观自然的动画。

Motionshop简介 Motionshop，ai角色动画工具，通过先进的视频处理和3D渲染技术，Motionshop能够自动检测视频中的人物，并替换成3D卡通角色模型，生成有趣的AI视频。同时不改变视频中的其他场景和人物，被替换的3D角色能完整复刻原视频中人物的动作，动作保持一致。Motionshop项目主页：https://aigc3d.github.io/motionshop/Motionshop的技术原理：1、视频处理和背景提取： 利用视频处理技术，从原始视频中分离出人物，留下无人的背景。这一步涉及复杂的图像分析和处理，以确保背景的完整性和连贯性。角色检测： Motionshop使用基于变换器的框架紧密融合文本信息与现有封闭集检测器，实现零样本对象检测。分割与追踪： 成功检测目标后，通过视频对象分割追踪方法跟踪像素级目标区域。修补： 视频中剩余的图像区域通过视频修补技术完成，包括递归流完成、图像和特征域的双域传播等。2、姿势估计： 这一步骤使用姿势估计技术来分析视频中人物的动作。它涉及到对人体动作的捕捉和分析，使用CVFFS方法估计稳定的人体姿势，并采用SMPL人体模型表示3D人体。3、3D卡通角色动画生成： 根据估计出的姿势和动作，生成相应的3D动画人物。这个过程需要确保3D模型的动作与原视频中的人物动作相匹配。4、光照估计： 为了让3D模型更自然地融入原视频背景，需要估计视频中的光照条件，并对3D模型进行相应的光照处理。5、高性能渲染： Motionshop使用如TIDE这样的高性能光线追踪渲染器对3D卡通角色模型进行渲染，确保其具有高度的真实感和视觉效果。6、视频合成： 最后，Motionshop将渲染好的3D卡通角色合成回无人背景视频中，生成最终的视频成果。Motionshop如何使用：上传一段视频，AI自动识别视频中的运动主体人物，并一键替换成有趣的3D角色模型，生成与众不同的AI视频。第一步：上传一个包含人物的视频（请保证人物完整，视频时长不超过15秒）；第二步：选择视频中要替换的人物（自动选择）；第三步：选择要替换的虚拟角色模型并点击生成，等待10分钟即可生成结果。Motionshop基本上可以平替Wonder Studio。Wonder Studio可以自动化将现实场景中的人物转换替代成CG 角色，还可以进行动画、灯光和合成。

SupIR简介 SupIR是一个通过增加模型规模来提升图像修复能力的技术，SupIR能够根据文本提示进行智能修复，提高图像修复的质量和智能程度。SupIR是一种突破性的图像恢复方法，它利用了生成先验和模型放大的力量。利用多模态技术和先进的生成先验，SUPIR标志着智能和逼真的图像恢复的重大进步。作为 SUPIR 中的关键催化剂，模型缩放极大地增强了其功能，并展示了图像恢复的新潜力。SupIR的主要功能：图像修复和文本引导的修复，利用了模型放大、多模态技术和结果表明，SUPIR在各种图像修复任务和复杂处理场景中都有出色的表现，特别是在处理真实世界复杂场景中的能力令人印象深刻。SupIR还进行了用户定制和交互行为，用户可以通过简单的文本指令控制图像修复过程，为图像修复提供了新的交互维度。SupIR应用场景：景观图像修复通过图像修复让大自然栩栩如生，突出风景照片中的自然之美。人脸图像修复展现真实的表情 -- 增强每一个细节，使人像栩栩如生。动物图像修复绒毛和活力：在动物图像修复中将皮毛和魅力带入生活。建筑图像处理用现代技术振兴建筑遗产。游戏图像增强以惊人的清晰度和细节体验重制版游戏世界。电影重生与经典还原以原始的细节体验电影的黄金时代。复古照片修复重新发现过去 - 以生动的清晰和细节将历史带入生活。SupIR技术的应用将极大提升图像修复的效率和质量，为图像处理领域带来了新的突破和可能性。

StreamRAG简介 StreamRAG，一个视频搜索和流媒体代理工具，StreamRAG 使您能够在 ChatGPT 中与您的视频库聊天并观看视频流。StreamRAG能够在数百小时的视频内容中找到你输符合你需求的相关视频时刻，并立即返回一个视频剪辑，也就是说它能搜索视频内容的任意时刻。StreamRAG能够迅速浏览存储的大量视频资料，找到包含这些内容或主题的视频片段，并把这些片段展示给你，这样你就能直接观看到与你搜索内容相关的视频部分。StreamRAG有什么作用？StreamRAG允许用户上传视频，创建视频集合，并在这些视频中进行搜索，以获得实时的视频回应或编辑。此外，用户还可以将他们的视频集合发布到ChatGPT商店，以便他人搜索和使用。视频库创建： 上传多个视频以创建视频库或集合。视频搜索与回应： 在这些视频中搜索，能立即获得实时的视频响应或编译结果。GPTs发布： 在ChatGPT的GPT商店发布你的可搜索集合，这意味着您可以与更广泛的受众分享您丰富的视频内容，或者将其保留为个人专用或在选定的群组中。文本回答总结（RAG）： 接收总结性的摘要文本答案 （RAG）。视频关键洞察： 从特定视频中获得关键见解，例如“第31集的要点”。开源且易于使用：StreamRAG 是开源的，确保它可以访问和修改以满足您的所有需求。即使您不熟悉 ai 和视频数据库，StreamRAG 的设计也易于用户友好且易于实施。StreamRAG如何使用？1、获取 API 密钥：在 VideoDB 控制台上注册（前 50 次上传免费，没有 需要信用卡）。2、设置VIDEO_DB_API_KEY：在文件中输入您的密钥。env3、安装依赖项：在终端中运行。4、将集合上传到 VideoDB：在 中添加链接。upload.py5、在本地运行：使用 启动 flask 服务器。python app.py

FreeAskInternet简介 FreeAskInternet 是一个完全免费、私有且本地运行的搜索聚合器，并使用 LLM 生成答案，无需 GPU。用户可以提出问题，系统将使用searxng进行多引擎搜索，并将搜索结果合并到ChatGPT3.5 LLM中，并根据搜索结果生成答案。所有进程都在本地运行，不需要 GPU 或 Openai 或 Google API 密钥。FreeAskInternet特征：完全免费（不需要任何API密钥）完全本地化（无需GPU，任何计算机都可以运行）完全私有（所有内容都在本地运行，使用自定义 llm）无需 LLM 硬件即可运行（无需 GPU！）使用免费的 ChatGPT3.5 / Qwen / Kimi / ShipuAI(GLM) API（无需 API 密钥！感谢 OpenAI）自定义 LLM(ollama,llama.cpp) 支持，是的，我们喜欢 ollama！使用 Docker Compose 快速轻松地部署Web 和移动友好界面，专为 Web 搜索增强的 AI聊天而设计，允许从任何设备轻松访问。FreeAskInternet怎么运行的？1、系统在FreeAskInternet UI界面（本地运行）中获取用户输入的问题，并调用searxng（本地运行）在多个搜索引擎上进行搜索。2、抓取搜索结果链接内容并传递给ChatGPT3.5/Kimi/Qwen/ZhipuAI/ollama（使用自定义llm），要求LLM以此内容为参考回答用户问题。3、将答案传输到聊天 UI。4、我们支持自定义 LLM 设置，因此理论上无限的 llm 支持。

LabelU简介 LabelU是一个开源的数据标注工具，它可以帮助用户快速、准确、高效地对数据进行标注，从而提高机器学习模型的性能和质量。LabelU支持多种标注类型，包括标签分类、文本描述、拉框、多边形、点、线、立体框、时间戳、片段分割等。LabelU可以自由组合多样工具，无缝兼容多格式数据，同时支持载入预标注，加速数据标注效率，满足不同场景和需求的标注任务。LabelU主要特征：多功能图像注释工具：LabelU 提供了一套全面的图像标注工具，包括 2D 边界框、语义分割、折线和关键点。这些工具可以灵活解决物体检测、场景分析、图像识别、机器翻译等多种图像处理任务，帮助用户高效识别、注释和分析图像。强大的视频标注能力：在视频标注领域，LabelU展示了令人印象深刻的处理能力，支持视频分割、视频分类和视频信息提取。非常适合视频检索、视频摘要、动作识别等应用，使用户能够轻松处理长时长视频，准确提取关键信息，并支持复杂场景分析，为后续模型训练提供高质量的标注数据。高效的音频注释工具：音频注释工具是 LabelU 的另一个关键功能。这些工具具备高效、精准的音频分析能力，支持音频分割、音频分类、音频信息提取。通过可视化复杂的声音信息，LabelU 简化了音频数据处理工作流程，有助于开发更准确的模型。LabelU特征：简单：提供多种图像标注工具，通过简单的可视化配置即可进行标注。灵活性：多种工具可以自由组合，满足大多数图像、视频、音频标注需求。通用性：支持导出多种数据格式，包括JSON、COCO、MASK。LabelU注册与登录：在线版可通过“手机验证码”注册登录，也可使用“手机号/邮箱+密码”的方式注册登录。离线版账号信息存储在本地电脑，可通过用邮箱注册来进行登录。LabelU应用：用于自动驾驶的图像数据标注，从而训练车辆识别模型。对音频数据进行时间戳标注，提高语音识别或语音转文字的准确性。在医疗影像中，对CT扫描图像进行标注，进行辅助疾病诊断。LabelU作为一个综合数据标注平台，专为处理多模态数据而设计。它提供了一系列先进的注释工具和高效的工作流程，使用户可以更轻松地处理涉及图像、视频和音频的注释任务。 LabelU专为满足复杂数据分析和模型训练的需求而量身定制。