多模态生成
共 12 个仓库 · 近 4 个月有推送 · Jupyter Notebook
基于 PyTorch 的说话人日志神经网络组件库，提供语音活动检测、说话人变化检测、重叠语音检测和说话人嵌入等预训练模块，方便搭建说话人分离与识别流程。
预训练语音合成模型集合，支持俄语、亚美尼亚语等多种语言，几行代码就能把文本转成语音，省去自己训练模型的麻烦。
从零基础到 CV、NLP、LLM 项目实战再到 ONNX/TensorRT 工程化部署的 PyTorch 中文教程，配套 Jupyter Notebook 边学边练。
汇集 FLUX、Stable Diffusion、SDXL 等图像生成模型的训练与微调教程，涵盖 LoRA、DreamBooth、ComfyUI 和云端 Notebook 实操指南。
用计算图变换（如自动微分）加速飞行器设计优化，提供气动、推进、结构、轨迹设计等可组合分析工具，适合多学科设计优化场景。
基于条件流匹配的快速非自回归语音合成架构，用更少采样步数生成高质量语音，适合搭建低延迟 TTS 系统。
用 Hugging Face diffusers 把扩散模型从图像搬到音频，能直接训练和生成音乐片段，省去自己搭扩散流程的麻烦。
一堆可直接在 Google Colab 上跑的生成式 AI 笔记本，覆盖 ComfyUI 工作流、Flux Kontext、混元、LTX 视频等图生图与图生视频玩法，省去自己配环境。
输入一段文字就能自动生成视频脚本、AI 配音和会说话的人脸，快速产出无真人出镜的短视频，适合做 Shorts 类内容。
MACE 是 CVPR 2024 提出的扩散模型大规模概念擦除方法，能从 Stable Diffusion 等文生图模型中批量移除指定概念，适合做内容安全与版权合规。
开源 AI 网红生成器，用 FLUX 等模型批量生成可定制的虚拟人物形象，适合做社交媒体内容创作。
面向视觉语言模型的 INT4 量化部署方案，通过量化感知蒸馏把大模型压缩到 4bit，在保持多模态能力的同时大幅降低显存占用。