需求人群:
"适合视频内容创作者等,提供高效字幕生成解决方案,尤其适合拥有苹果硬件用户。"
使用场景示例:
视频博主为教程视频生成字幕
教育机构为讲座视频加字幕
电影制作人给预告片加字幕
产品特色:
上传多种格式视频文件
使用 Whisper 模型转录
生成 VTT 和 SRT 字幕文件
下载字幕为 ZIP 文件
支持苹果硅芯片 Mac
需 Conda 和 Python 3.12 环境
通过 Streamlit 界面操作
使用教程:
1. 克隆仓库到本地。
2. 进入项目目录。
3. 创建并激活 Conda 环境。
4. 安装依赖。
5. 安装 FFmpeg。
6. 运行 Streamlit 应用。
7. 上传视频并选择模型转录。
8. 点击按钮处理并下载字幕文件。
浏览量:4
最新流量情况
月访问量
4.89m
平均访问时长
00:06:37
每次访问页数
5.70
跳出率
37.28%
流量来源
直接访问
52.59%
自然搜索
32.74%
邮件
0.05%
外链引荐
12.33%
社交媒体
2.17%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.61%
德国
3.57%
印度
9.68%
俄罗斯
4.81%
美国
18.94%
开源字幕生成工具,实现内容无缝翻译。
subtitle是一个开源的字幕生成工具,利用先进的机器学习技术,为用户提供准确且自然的声音字幕。它支持多种语言,易于集成到现有的工作流程中,并允许用户在自己的服务器上自托管,增强控制权和隐私保护。
创建互动式动态图形的新方式
Rive是一种新型的图形构建方式,它通过丰富的交互性和状态驱动的动画,消除了硬编码图形的需求,使团队能够更快迭代并构建更好的产品。Rive提供了一个全新的图形格式,适用于互动时代,可以用于游戏、应用、网站等多个领域。
业界领先的开源大型混合专家模型
Tencent-Hunyuan-Large(混元大模型)是由腾讯推出的业界领先的开源大型混合专家(MoE)模型,拥有3890亿总参数和520亿激活参数。该模型在自然语言处理、计算机视觉和科学任务等领域取得了显著进展,特别是在处理长上下文输入和提升长上下文任务处理能力方面表现出色。混元大模型的开源,旨在激发更多研究者的创新灵感,共同推动AI技术的进步和应用。
视频编辑工具,使用Genmo Mochi技术
ComfyUI-MochiEdit是一个基于Genmo Mochi技术的视频编辑插件,允许用户通过ComfyUI界面对视频进行编辑。该插件的主要优点在于其能够利用先进的视频处理技术,提供给用户一个直观、易用的编辑环境。产品背景信息显示,它是由logtd和kijai共同开发,并且遵循GPL-3.0开源许可证。由于其开源特性,该插件可以免费使用,定位于需要视频编辑功能的专业用户或爱好者。
开源机器人模拟平台,用于生成无限机器人数据和泛化AI。
ManiSkill是一个领先的开源平台,专注于机器人模拟、无限机器人数据生成和泛化机器人AI。由HillBot.ai领导,该平台支持通过状态和/或视觉输入快速训练机器人,与其它平台相比,ManiSkill/SAPIEN实现了10-100倍的视觉数据收集速度。它支持在GPU上并行模拟和渲染RGB-D,速度高达30,000+FPS。ManiSkill提供了40多种技能/任务和2000多个对象的预构建任务,拥有数百万帧的演示和密集的奖励函数,用户无需自己收集资产或设计任务,可以专注于算法开发。此外,它还支持在每个并行环境中同时模拟不同的对象和关节,训练泛化机器人策略/AI的时间从天缩短到分钟。ManiSkill易于使用,可以通过pip安装,并提供简单灵活的GUI以及所有功能的广泛文档。
Android平台上的私有、设备端语音识别键盘和文字服务
Transcribro是一款运行在Android平台上的私有、设备端语音识别键盘和文字服务应用,它使用whisper.cpp来运行OpenAI Whisper系列模型,并结合Silero VAD进行语音活动检测。该应用提供了语音输入键盘,允许用户通过语音进行文字输入,并且可以被其他应用显式使用,或者设置为用户选择的语音转文字应用,部分应用可能会使用它来进行语音转文字。Transcribro的背景是为用户提供一种更安全、更私密的语音转文字解决方案,避免了云端处理可能带来的隐私泄露问题。该应用是开源的,用户可以自由地查看、修改和分发代码。
开源全栈平台,为打造顶级LLM产品提供支持
Laminar是一个开源的全栈平台,专注于从第一性原理出发进行AI工程。它帮助用户收集、理解和使用数据,以提高大型语言模型(LLM)应用的质量。Laminar支持对文本和图像模型的追踪,并且即将支持音频模型。产品的主要优点包括零开销的可观测性、在线评估、数据集构建和LLM链管理。Laminar完全开源,易于自托管,适合需要构建和管理LLM产品的开发者和团队。
开源人工智能定义,推动AI领域的开放与合作
Open Source AI Definition(OSAID)是由Open Source Initiative(OSI)发布的行业首个开源人工智能定义。它提供了一个标准,通过社区领导的开放和公共评估来验证一个AI系统是否可以被认为是开源AI。OSAID v1.0的发布是多年研究和合作的结果,经过国际研讨会和为期一年的共同设计过程。这个定义要求开源模型提供足够的训练数据信息,以便熟练的人可以使用相同或类似的数据重建一个大致等效的系统。OSAID的发布对于推动AI领域的开放性、透明度和合作具有重要意义,它强调了开源原则在AI发展中的核心地位,并为独立机器学习研究人员和大型AI开发者之间的透明度提供了支持。
将项目文件夹中的所有代码合并为单个文本文件。
Code Spoonfeeder是一个在线工具,它允许用户将一个项目文件夹中的所有代码文件合并成一个单一的文本文件,方便代码的查看和管理。这个工具对于需要快速浏览整个项目代码或者进行代码备份的用户来说非常有用。它强调了处理的安全性和隐私性,承诺在处理完毕后立即删除所有文件。产品背景信息显示,这是一个开源项目,用户可以在GitHub上查看和贡献代码。
开源AI网关和开发者门户,轻松管理、集成和部署AI服务。
APIPark是一个开源的AI网关和API开发者门户,由Eolink推出,旨在帮助开发者和企业轻松管理、集成和部署AI服务。Eolink提供API全生命周期治理解决方案,服务全球超过100,000家企业,并积极投资开源生态系统,为全球数千万专业开发者提供服务。APIPark以其高性能、低成本、易于部署和使用的特点,满足企业在AI服务管理方面的需求,提升效率,保障安全,并优化数据价值。
超轻量级数字人模型,移动端实时运行
Ultralight-Digital-Human是一个超轻量级的数字人模型,可以在移动端实时运行。这个模型是开源的,据开发者所知,它是第一个如此轻量级的开源数字人模型。该模型的主要优点包括轻量级设计,适合移动端部署,以及实时运行的能力。它的背后是深度学习技术,特别是在人脸合成和声音模拟方面的应用,这使得数字人模型能够以较低的资源消耗实现高质量的表现。产品目前是免费的,主要面向技术爱好者和开发者。
将自然语言描述转化为可执行的shell命令的本地推理命令行工具。
llmc是一个基于llama.cpp的本地推理命令行工具,能够将自然语言描述转化为可执行的shell命令。它支持多种预配置的模型,并允许用户自定义模型以适应特定的工作流程。该工具的主要优点包括自然语言命令生成、可定制化模型、多种操作模式、命令解释以及追踪功能。llmc的背景信息显示,它是由guoriyue开发的一个开源项目,拥有活跃的社区和持续的更新。产品定位为免费开源工具,旨在提高开发者和技术人员的工作效率。
模块化仿人机器人,用于强化学习训练
Agibot X1是由Agibot开发的模块化仿人机器人,具有高自由度,基于Agibot开源框架AimRT作为中间件,并使用强化学习进行运动控制。该项目是Agibot X1使用的强化学习训练代码,可以与Agibot X1提供的推理软件结合用于真实机器人和模拟步行调试,或导入其他机器人模型进行训练。
模块化仿人机器人,具有高自由度
Agibot X1是由Agibot开发的模块化仿人机器人,具有高自由度,基于Agibot开源框架AimRT作为中间件,并使用强化学习进行运动控制。该项目包括模型推理、平台驱动和软件仿真等多个功能模块。AimRT框架是一个用于机器人应用开发的开源框架,它提供了一套完整的工具和库,以支持机器人的感知、决策和行动。Agibot X1项目的重要性在于它为机器人研究和教育提供了一个高度可定制和可扩展的平台。
全栈开源机器人
智元灵犀X1是一款开源人形机器人,具有29个关节和2个夹爪,支持扩展头部3自由度。它提供了详细的开发指南和开源代码,使开发者能够快速搭建并进行二次开发。该产品代表了智能机器人领域的先进技术,具有高度的灵活性和可扩展性,适用于教育、研究和商业开发等多种场景。
Mochi视频生成器的ComfyUI包装节点
ComfyUI-MochiWrapper是一个用于Mochi视频生成器的包装节点,它允许用户通过ComfyUI界面与Mochi模型进行交互。这个项目主要优点是能够利用Mochi模型生成视频内容,并且通过ComfyUI简化了操作流程。它是基于Python开发的,并且完全开源,允许开发者自由地使用和修改。目前该项目还处于积极开发中,已经有一些基本功能,但还没有正式发布版本。
Genmo 的视频生成模型,具有高保真运动和强提示遵循性。
这是一个先进的视频生成模型,采用 AsymmDiT 架构,可免费试用。它能生成高保真视频,缩小了开源与闭源视频生成系统的差距。模型需要至少 4 个 H100 GPU 运行。
开源视频生成模型
genmoai/models 是一个开源的视频生成模型,代表了视频生成技术的最新进展。该模型名为 Mochi 1,是一个基于 Asymmetric Diffusion Transformer (AsymmDiT) 架构的10亿参数扩散模型,从零开始训练,是迄今为止公开发布的最大的视频生成模型。它具有高保真运动和强提示遵循性,显著缩小了封闭和开放视频生成系统之间的差距。该模型在 Apache 2.0 许可下发布,用户可以在 Genmo 的 playground 上免费试用此模型。
轻量级推理模型,用于生成高质量图像
Stable Diffusion 3.5是一个用于简单推理的轻量级模型,它包含了文本编码器、VAE解码器和核心MM-DiT技术。该模型旨在帮助合作伙伴组织实现SD3.5,并且可以用于生成高质量的图像。它的重要性在于其高效的推理能力和对资源的低要求,使得广泛的用户群体能够使用和享受生成图像的乐趣。该模型遵循Stability AI Community License Agreement,并且可以免费使用。
开源的去蒸馏FLUX模型
LibreFLUX是一个基于Apache 2.0许可的开源版本,提供了完整的T5上下文长度,使用注意力掩码,恢复了分类器自由引导,并去除了大部分FLUX美学微调/DPO。这意味着它比基础FLUX更不美观,但有潜力更容易地微调到任何新的分布。LibreFLUX的开发秉承开源软件的核心原则,即使用困难,比专有解决方案更慢、更笨拙,并且审美停留在21世纪初。
ComfyUI Desktop V1是一款提供一键安装和全新界面的桌面客户端。
ComfyUI Desktop V1是一个为Windows和macOS设计的桌面客户端,它提供了一键安装的便利性,并拥有全新的用户界面。用户可以通过加入等待名单来获得早期访问权限。这款软件的主要优点在于它的易用性和现代化的界面设计,旨在提高用户的工作效率。ComfyUI Desktop V1由Comfy Org组织开发,是一个开源项目,可以在GitHub上找到其源代码。
开源数字人课程制作平台
easegen-admin是一个开源的数字人课程制作平台,旨在通过开源为AI发展做出贡献。该平台前端基于Vue3 + element-plus实现,后端基于ruoyi-vue-pro实现,智能课件基于文多多实现。它提供了课程制作页面、我的视频页面、智能课件页面以及智能出题页面,支持视频展示和智能出题,是一个综合性的教育技术产品。
开源数字人课程制作平台
easegen-front 是一个开源的数字人课程制作平台,旨在通过结合最新的前端技术和人工智能,为教育工作者提供一个便捷、高效的课程内容制作和发布工具。该平台前端基于 Vue3 + Element Plus 构建,后端则基于 Spring Boot,支持智能课件制作和文档解析,是 AGI 时代超级个体践行者为 AI 发展做出的贡献。产品的主要优点包括开源、易用性强、技术栈先进,且适合全栈工程师和教育工作者使用。
开源的协作写作Web应用
Open Canvas是一个开源的Web应用程序,用于与代理协作以更好地撰写文档。它受到OpenAI的“Canvas”启发,但有几个关键的不同点。它完全开源,包含前端、内容生成代理和反射代理的所有代码,均采用MIT许可。它内置了反射代理,可以跨会话记忆关于您的风格规则和用户洞察。此外,它允许用户从空白文本或现有代码编辑器开始,以用户选择的语言进行操作,从而在现有内容上进行迭代。
隐私优先,自托管的全开源个人知识管理系统
SiYuan 是一个以隐私保护为核心,支持块级引用和双向链接的个人知识管理系统。它使用 TypeScript 和 Golang 编写,提供了块级内容组织、Markdown 所见即所得编辑器、内容块快照、思维导图、反向链接和引用等功能。SiYuan 支持数据的块级管理和双向链接,允许用户以非线性的方式组织内容,促进了信息的连接和知识网络的构建。此外,SiYuan 还支持数据的自托管,确保用户数据的安全性和隐私性。SiYuan 拥有活跃的社区和丰富的插件生态,支持多种操作系统,包括 Windows、macOS 和 Linux。SiYuan 的大部分功能都是免费的,但也有付费的高级功能,如数据同步等。
Flux图像编辑节点集合于ComfyUI
ComfyUI-Fluxtapoz是一个为Flux在ComfyUI中编辑图像而设计的节点集合。它允许用户通过一系列节点操作来对图像进行编辑和风格转换,特别适用于需要进行图像处理和创意工作的专业人士。这个项目目前是开源的,遵循GPL-3.0许可协议,意味着用户可以自由地使用、修改和分发该软件,但需要遵守开源许可的相关规定。
行业领先的面部操作平台
FaceFusion Labs 是一个专注于面部操作的领先平台,它利用先进的技术来实现面部特征的融合和操作。该平台主要优点包括高精度的面部识别和融合能力,以及对开发者友好的API接口。FaceFusion Labs 背景信息显示,它在2024年10月15日进行了初始提交,由Henry Ruhs主导开发。产品定位为开源项目,鼓励社区贡献和协作。
© 2024 AIbase 备案号:闽ICP备08105208号-14