AUTOMATIC1111/stable-diffusion-webui
Giao diện web mã nguồn mở cho Stable Diffusion, chạy sinh ảnh, inpainting và đào tạo LoRA trên máy local.
AI Ảnh, Giọng nói & Deepfake — Tạo ảnh bằng AI, nhận dạng và nhân bản giọng nói, đổi mặt thời gian thực.
46 repo phù hợp
Trang 1/2
Giao diện web mã nguồn mở cho Stable Diffusion, chạy sinh ảnh, inpainting và đào tạo LoRA trên máy local.
ComfyUI là công cụ AI mã nguồn mở cho phép tạo ảnh, video, mô hình 3D và âm thanh bằng quy trình kéo thả các khối (node), kiểm soát gần như mọi bước AI tạo nội dung.
Mô hình nhận dạng giọng nói mạnh mẽ, tự học từ dữ liệu giọng nói lớn được gán nhãn yếu.
VoiceStudio là công cụ AI mã nguồn mở, được giới thiệu là giải pháp thay thế ElevenLabs, chạy ngay trên máy tính để nhân bản giọng nói, lồng tiếng video và tạo sách nói mà không cần trả phí hằng tháng.
Công cụ thay khuôn mặt và tạo video deepfake theo thời gian thực chỉ với một ảnh đầu vào.
Mô hình khuếch tán tạo ảnh từ văn bản trong không gian latent, mã nguồn mở.
GPT-SoVITS là giao diện web chuyển đổi giọng nói và đọc văn bản mạnh, chỉ cần 1 phút dữ liệu giọng để huấn luyện mô hình đọc.
Voicebox là xưởng giọng nói AI mã nguồn mở chạy trên máy: nhân bản giọng, tạo giọng đọc và đọc chính tả vào mọi ứng dụng.
Dự án nhân bản giọng nói chỉ từ 5 giây âm thanh rồi đọc văn bản bất kỳ theo thời gian thực.
FaceSwap là công cụ dùng học sâu để nhận diện và hoán đổi khuôn mặt trong ảnh và video.
whisper.cpp là bản cài đặt Whisper của OpenAI bằng C/C++ thuần, nhận dạng giọng nói hiệu năng cao.
Coqui TTS là bộ công cụ học sâu chuyển văn bản thành giọng nói, đã được kiểm chứng trong nghiên cứu và sản xuất.
VoxCPM2 là mô hình đọc văn bản thành giọng không cần tokenizer, tạo giọng đa ngôn ngữ, thiết kế giọng và nhân bản giọng chân thực.
ChatTTS là mô hình sinh giọng nói cho hội thoại hằng ngày, tối ưu cho trợ lý LLM.
Giao diện web chuyển đổi giọng nói dựa trên truy xuất: huấn luyện mô hình giọng tốt chỉ với dưới 10 phút dữ liệu.
Handy là ứng dụng chuyển giọng nói thành chữ mã nguồn mở chạy hoàn toàn offline: nhấn phím tắt, nói, chữ hiện vào mọi ô nhập.
OpenVoice là mô hình nhân bản giọng tức thì của MIT và MyShell: sao chép âm sắc và tạo giọng đa ngôn ngữ, đa giọng điệu.
GFPGAN là thuật toán khôi phục khuôn mặt thực tế, làm nét lại ảnh mặt bị mờ hoặc hư hỏng.
Real-ESRGAN là thuật toán làm nét và khôi phục ảnh, video tổng quát, mở rộng từ ESRGAN cho dùng thực tế.
MockingBird nhân bản giọng nói trong 5 giây để tạo lời nói tùy ý theo thời gian thực, hỗ trợ tiếng Trung phổ thông.
Thư viện prompt và ca mẫu cho GPT Image 2 và 2.5: hơn 530 ví dụ, 20 mẫu công nghiệp và skill dùng lại.
Diffusers là thư viện hàng đầu cho mô hình khuếch tán để tạo ảnh, video, âm thanh trong PyTorch.
Fish Speech là mô hình đọc văn bản thành giọng nói mã nguồn mở đạt chuẩn hiện đại.
Invoke là engine sáng tạo dùng mô hình tạo ảnh và video cho chuyên gia, họa sĩ và người đam mê.