首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 最新最强开源模型Qwen3本地运行指南!Windows+ollama+chatwise轻松搞定
· 【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision
· Stable Diffusion快速生图,LCM-Lora、sd_xl turbo寄养和亲生谁好?!
· 零一万物API开放平台出场!通用Chat多模态通通开放,还有200K超长上下文版本
· 拒绝996,想出海赚美元?这7个GPT方案绝对靠谱!
· 大模型微调数据选择和构造技巧
· 深度|红杉重磅发布:2024 AI 50 榜单 (全网最全)
· 阿里通义实验室薄列峰:从兵马俑跳“科目三”到照片唱歌,四大框架让AI生成的人物活起来丨GenAICon 2024
· Prompt屠龙术-大厂prompt工程指南解析提炼
· 还没有上手Stable Diffusion XL 1.0 的同学,看这篇文章就够了
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
动
作
识
别
模型有哪些
TWO STREAM方法 Two-Stream方法是深度学习在
动
作
识
别
方向的一大主流方向。
动作识别
模型
OpenAI
OpenAI大
动
作
:Whisper large-v3重塑语音
识
别
技术
这款最新的自
动
语音
识
别
模型不仅在多语言
识
别
方面取得了显著进步,而且还将很快在OpenAI的API中得到支持。
Whisper
语音识别
OpenAI
【语音
识
别
】OpenAI语音力
作
Whisper
一、介绍 Whisper 是一系列用于自
动
语音
识
别
(automatic speech recognition,ASR) 的预训练模型,它由来自于 OpenAI 的 Alec Radford
语音转文字
whisper
OCR
【重磅推荐】PaddleOCR:超越人眼
识
别
率的AI文字
识
别
神器!
4.批量处理:PaddleOCR支持批量处理,用户可以一次性上传多个图片进行文字
识
别
,极大提高工
作
效率。
PaddleOCR
文字识别
Fastwhisper + Pyannote 实现 ASR + 说话者
识
别
官方仓库:https://github.com/pyannote/pyannote-audio 三、faster-whisper + pyannote.audio 实现语者
识
别
实际上只要将二者的
识
别
结果进行结合即可
faster-whisper
语者识别
ASR
开源
十大开源语音
识
别
项目
Automatic Speech Recognition(ASR)是一项自
动
语音
识
别
技术,其目标是通过计算机自
动
将人类口头语音转录为文本。
语音识别
开源项目
AIGC
《构建个人知
识
图谱》:让 AIGC 帮你自
动
构建知
识
图谱
选择第二种方案,自
动
获取节点介绍然后让 LLM 总结,流程如下: AIGC 自
动
生成知
识
节点摘要流程 知
识
节点摘要介绍实现 由于我们维护了知
识
节点的主页,所以可以很方便的通过程序获取主页上的介绍
提示词
文生图
AIGC
教程
openpose原理及安装教程(姿态
识
别
)
OpenPose是一个用于实时多人姿态估计的开源库,它可以检测图像或视频中的人体关键点,并且能够
识
别
不同的身体部位和
动
作
。
行为识别
姿态识别
Transformer
TrOCR——基于transformer模型的OCR手写文字
识
别
前期我们使用大量的篇幅介绍了手写数字
识
别
与手写文字
识
别
,当然那里主要使用的是CNN卷积神经网络,利用CNN卷积神经网络来训练文字
识
别
的模型。
OCR
手写
文字识别
语音
Insanely Fast Whisper:超快的Whisper语音
识
别
脚本
作
者提供了几种优化方式,包括批处理、半精度处理以及BetterTransformer,以提高转录速度。
音频
Whisper
开源
来个优秀的开源人脸
识
别
项目!
虹膜
识
别
技术通过全自
动
照相机寻找并聚焦虹膜,实现高精度
识
别
。
人脸识别
开源项目
语音
解读wav2lip:探究语音驱
动
唇部
动
作
的技术原理!
(2)传统的基于GAN的判
别
器在音频-口型同步检测方面准确率较低:传统的GAN判
别
器只使用单帧图像来评估口型同步,缺乏时间上下文信息,无法评估口型
动
态变化质量。
wav2lip
语音
自
动
化神器Autolt:不再重复工
作
,旨在简化Windows图形用户界面(GUI)的自
动
化任务。
RPA
自动
开源
人脸
识
别
的开源的项目有哪些?
OpenCV:OpenCV(Open Source Computer Vision Library)是一个广泛使用的计算机视觉库,提供了许多人脸
识
别
算法和工具。
人脸识别
开源项目
开源
OpenAI 开源语音
识
别
Whisper 的使用体验怎么样?
关于Buzz Buzz 是一款基于 OpenAI 开源 Whisper 自
动
语音
识
别
模型的软件工具,能够将音频或视频中的语音自
动
识
别
为带有时间戳的文本字幕。
生成式AI
<
1
2
3
4
5
6
7
8
9
10
...
>
1
2
4
5
6
7
8
9
100