需求人群:
"该产品适合希望在视频或音频中添加幽默效果的用户,例如视频博主、播客制作者或任何希望在内容中增加趣味性的人。"
使用场景示例:
视频博主在发布内容前,使用 bleep_that_sht 去除视频中的敏感词汇。
播客制作者在节目发布前,使用该工具对不当言论进行哔声处理。
家长在给孩子播放视频时,使用该工具过滤掉不适宜的内容。
产品特色:
使用 Whisper 模型转录音频
选择关键词进行哔声替换
本地处理,保护用户隐私
支持 mp4 视频格式
提供 Streamlit 界面进行视频上传和编辑
提供 Jupyter Notebook 详细教程
使用教程:
1. 安装项目所需的依赖,通过在终端运行 `pip install -r requirements.txt`。
2. 确保本地机器上安装了 ffmpeg。
3. 运行 Streamlit 应用,使用 `python -m streamlit run bleep_that_sht/app_video_upload.py` 命令。
4. 通过 Streamlit 界面上传本地视频文件。
5. 选择需要哔声替换的关键词。
6. 应用哔声效果并预览结果。
7. 如果满意,保存处理后的视频文件。
浏览量:27
最新流量情况
月访问量
5.00m
平均访问时长
00:06:52
每次访问页数
5.82
跳出率
37.31%
流量来源
直接访问
52.65%
自然搜索
32.08%
邮件
0.05%
外链引荐
12.79%
社交媒体
2.25%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
美国
18.50%
中国
13.49%
印度
9.70%
俄罗斯
3.96%
德国
3.62%
让任何人的声音听起来调皮/有趣
bleep_that_sht 是一个使用 Python 编写的应用程序,它利用 Whisper 转录模型来转录音频,然后根据用户选择的关键词,使用相应的时间戳来替换为哔声。所有处理都在本地完成,无需上传数据,保护用户隐私。
AI驱动的播客转录与洞察工具
HyperCatcher是一款利用人工智能技术为播客听众提供转录服务的应用程序。它能够在后台自动转录用户收听的播客内容,并提供搜索和参考的文本。此外,它还具备即时获取讨论话题来源、笔记链接、上下文操作等高级功能,帮助用户更深入地学习和理解播客内容。
企业自定义AI工作流程的蓝图
NVIDIA NIM™ Agent Blueprints是一系列预训练的、可定制的AI工作流程,旨在为数百万企业开发者提供构建和部署生成式AI应用程序的全套软件工具。这些蓝图支持开发者使用一个或多个AI代理创建AI应用程序,包括客户服务头像、检索增强生成和药物发现虚拟筛选等典型用例。通过NIM Agent Blueprints,企业可以使用自己的业务数据修改蓝图,并在加速数据中心和云上运行生成式AI应用程序,实现数据驱动的AI飞轮效应。
AI工程和研究的智能伴侣
MLE-Agent 是为机器学习工程师和研究人员设计的智能伴侣,具备自主创建基线、集成Arxiv和Papers with Code、智能调试、文件系统整合、综合工具集成以及交互式命令行聊天等功能。它支持OpenAI、Ollama等AI/ML功能和MLOps工具,为无缝工作流程提供支持。
高效低成本的小型语言模型
Phi-3是微软Azure推出的一系列小型语言模型(SLMs),具有突破性的性能,同时成本和延迟都很低。这些模型专为生成式AI解决方案设计,体积更小,计算需求更低。Phi-3模型遵循微软AI原则开发,包括责任、透明度、公平性、可靠性和安全性、隐私和安全性以及包容性,确保了安全性。此外,Phi-3还提供了本地部署、准确相关回答、低延迟场景部署、成本受限任务处理和定制化精度等功能。
革命性的检索增强生成系统技术集合。
RAG_Techniques 是一个专注于检索增强生成(Retrieval-Augmented Generation, RAG)系统的技术集合,旨在提升系统的准确性、效率和上下文丰富性。它提供了一个前沿技术的中心,通过社区贡献和协作环境,推动RAG技术的发展和创新。
AI脚本集合,主要用于Stable Diffusion模型。
ai-toolkit是一个研究性质的GitHub仓库,由Ostris创建,主要用于Stable Diffusion模型的实验和训练。它包含了各种AI脚本,支持模型训练、图像生成、LoRA提取器等。该工具包仍在开发中,可能存在不稳定性,但提供了丰富的功能和高度的自定义性。
图像生成领域的革新工具。
Amazon Titan Image Generator v2是AWS推出的一款AI图像生成模型,它通过使用参考图像、编辑现有视觉效果、去除背景、生成图像变体以及安全定制模型来保持品牌风格和主题一致性,从而简化工作流程、提高生产力,并将创意愿景变为现实。
开源AI搜索引擎,提供网络搜索能力。
OpenPerPlex是一个开源AI搜索引擎,利用尖端技术提供网络搜索功能。它结合了语义分块、结果重排、谷歌搜索集成以及Groq作为推理引擎等技术,支持Llama 3 70B模型,以提高搜索的准确性和效率。
提升在线会议和讲座的生产力
MeetMemos是一款基于OpenAI的先进AI技术的Chrome扩展程序,它能够记录、转录和总结在线会议和媒体内容。它提供实时、准确的转录和智能摘要,将长篇内容转化为易于消化的洞察。产品以其精确的转录、高效的摘要、易用性、兼容性和优雅的设计,成为提升在线互动效率的有力工具。目前提供免费服务,但未来可能会更改。
NVIDIA AI Foundry 提供定制化的 AI 模型和解决方案。
NVIDIA AI Foundry 是一个平台,旨在帮助企业构建、优化和部署 AI 模型。它提供了一个集成的环境,使企业能够利用 NVIDIA 的先进技术来加速 AI 创新。NVIDIA AI Foundry 的主要优点包括其强大的计算能力、广泛的 AI 模型库以及对企业级应用的支持。通过这个平台,企业可以更快速地开发出适应其特定需求的 AI 解决方案,从而提高效率和竞争力。
智能文件重命名工具
ai-renamer 是一个基于 Node.js 的命令行工具,利用 Ollama 和 LM Studio 模型(如 Llava, Gemma, Llama 等)智能地根据文件内容重命名文件。它支持视频、图片等多种文件类型,并且可以通过自定义参数来优化重命名过程。该工具使用户能够自动化文件管理,提高效率,尤其适合需要批量处理文件名的开发者和内容创作者。
AI加速器,推动人工智能的突破
Graphcore是一家专注于人工智能硬件加速器的公司,其产品主要面向需要高性能计算的人工智能领域。Graphcore的IPU(智能处理单元)技术为机器学习、深度学习等AI应用提供了强大的计算支持。公司的产品包括云端IPU、数据中心IPU以及Bow IPU处理器等,这些产品通过Poplar® Software进行优化,能够显著提升AI模型的训练和推理速度。Graphcore的产品和技术在金融、生物技术、科研等多个行业都有应用,帮助企业和研究机构加速AI项目的实验过程,提高效率。
一站式RAG搜索SDK
Korvus是一个基于Postgres构建的搜索SDK,它将整个RAG(检索增强生成)流程统一到单一的数据库查询中。它提供了高性能、可定制的搜索能力,同时最小化了基础设施的考虑。Korvus利用PostgresML的pgml扩展和pgvector扩展,将RAG流程压缩在Postgres内部。它支持多语言SDK,包括Python、JavaScript、Rust和C,允许开发者无缝集成到现有的技术栈中。
低成本按需GPU,为机器学习和AI任务即时启动
GPUDeploy是一个提供低成本按需GPU资源的网站,专为机器学习和人工智能任务设计,用户可以立即启动预配置的GPU实例,以支持复杂的计算任务。该产品主要优点包括低成本、即时可用性以及预配置的便利性,适合需要快速部署机器学习模型和算法的企业和个人。
2024年精选免费AI API平台
Free AI Hunter是一个致力于收集和提供2024年免费AI API以及付费选项的综合性平台。它涵盖了自然语言处理、计算机视觉、机器学习等多种AI API,定期更新数据库以确保信息的最新和准确性。用户可以通过搜索功能轻松找到满足特定需求的AI API。
使用Groq、Whisper和Llama3从音频生成有组织的笔记。
Groqnotes是一个基于Streamlit的应用程序,它通过迭代解析和生成从转录的音频讲座中提取的笔记来构建结构化的讲座笔记。该应用程序混合使用了Llama3-8b和Llama3-70b模型,利用较大的模型生成笔记结构,较快的模型创建内容。Groqnotes的主要优点包括快速转录音频和生成文本,以及通过策略性地在两种模型之间切换来平衡速度和质量。此外,它还支持Markdown样式,可以在Streamlit应用程序中创建美观的笔记,包括表格和代码,并允许用户下载包含全部笔记内容的文本或PDF文件。
将大型语言模型的编码能力转换为图像生成能力。
Omost是一个旨在将大型语言模型(LLM)的编码能力转化为图像生成(更准确地说是图像组合)能力的项目。它提供了基于Llama3和Phi3变体的预训练LLM模型,这些模型能够编写代码以使用Omost的虚拟Canvas代理来组合图像视觉内容。Canvas可以由特定的图像生成器实现来实际生成图像。Omost项目背后的技术包括Direct Preference Optimization (DPO)和OpenAI GPT4o的多模态能力。
先进的AI检索器,用于RAG。
DenserRetriever是一个开源的AI检索模型,专为RAG(Retrieval-Augmented Generation)设计,利用社区协作的力量,采用XGBoost机器学习技术有效结合异构检索器,旨在满足大型企业的需求,并且易于部署,支持docker快速启动。它在MTEB检索基准测试中达到了最先进的准确性,并且Hugging Face排行榜上也有其身影。
大型语言模型的详细列表和信息
Models Table 提供了一个包含300多个大型语言模型的列表,这些模型被所有主要的AI实验室使用,包括Amazon Olympus, OpenAI GPT-5, OpenAI GPT-6等。该列表展示了大型语言模型的发展趋势和多样性,对于AI研究者和开发者来说是一个宝贵的资源。
AI智能笔记工具,提升会议效率。
Granola是一款专为频繁开会人士设计的AI笔记应用。它能够将会议的原始笔记转化为结构化、易于阅读的格式,并通过AI技术增强笔记内容。Granola支持Mac平台,无需会议机器人即可直接转录Mac音频,提供可定制的会议模板,满足不同团队的需求。内置GPT-4,帮助用户处理会议后的行动项目,如撰写跟进邮件、列出行动项目等。此外,Granola还支持一键分享笔记到常用平台,提高工作效率。
谷歌下一代Gemma模型,提供突破性的性能和效率。
Gemma 2是下一代谷歌Gemma模型,拥有27亿参数,提供与Llama 3 70B相当的性能,但模型大小仅为其一半。它在NVIDIA的GPU上运行优化,或在Vertex AI上的单个TPU主机上高效运行,降低了部署成本,使更广泛的用户能够访问和使用。Gemma 2还提供了强大的调优工具链,支持云解决方案和社区工具,如Google Cloud和Axolotl,以及与Hugging Face和NVIDIA TensorRT-LLM的无缝合作伙伴集成。
Google 一款轻量级、高效能的AI模型,专为大规模高频任务设计。
Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型,它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能,以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案,同时保持了高质量的输出。
一个多功能且强大的SDXL-ControlNet模型,适用于各种线条艺术的调节。
MistoLine是一个SDXL-ControlNet模型,能够适应任何类型的线条艺术输入,展示出高精度和出色的稳定性。它基于用户提供的线条艺术生成高质量图像,适用于手绘草图、不同ControlNet线条预处理器和模型生成的轮廓。MistoLine通过采用新颖的线条预处理算法(Anyline)和基于stabilityai/stable-diffusion-xl-base-1.0的Unet模型的重新训练,以及在大型模型训练工程中的创新,展现出在复杂场景下超越现有ControlNet模型的细节恢复、提示对齐和稳定性的优越性能。
一个公益项目,致力于帮助国内AI开发者快速、稳定的下载模型、数据集。
HuggingFace镜像站是一个非盈利性项目,旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程,减少因网络问题导致的中断,它极大地提高了开发者的工作效率。该镜像站支持多种下载方式,包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
深度学习算法与大模型面试指南,持续更新的面试题目集合。
DeepLearing-Interview-Awesome-2024 是一个开源的面试题目集合项目,专注于深度学习算法和大模型领域的面试准备。该项目由社区成员共同维护,旨在提供最新的面试题目和答案解析,帮助求职者和研究人员深入理解深度学习领域的前沿技术和应用。它包含了丰富的面试题目,覆盖了大语言模型、视觉模型、通用问题等多个方面,是准备深度学习相关职位的宝贵资源。
一种优化扩散模型采样时间表的方法,以提高生成模型的输出质量。
Align Your Steps 是一种用于优化扩散模型(Diffusion Models, DMs)采样时间表的方法。这种方法利用随机微积分的方法,为不同的求解器、训练有素的DMs和数据集找到特定的最优采样时间表。它通过最小化KLUB项来优化时间离散化,即采样调度,从而在相同的计算预算下提高输出质量。该方法在图像、视频以及2D玩具数据合成基准测试中表现出色,优化的采样时间表在几乎所有实验中都优于之前手工制定的时间表。
© 2024 AIbase 备案号:闽ICP备08105208号-14