产品库

视听源分离系统

PixelPlayer是一个能够通过观看大量无标注视频学会定位产生声音的图像区域并分离输入声音成一组表示每个像素声音的组件的系统。我们的方法利用视觉和听觉双模态的自然同步特点,在不需要额外人工标注的情况下学习联合解析声音和图像的模型。该系统使用大量包含不同乐器组合独奏和二重奏演奏的训练视频进行训练。对每个视频没有提供出现了哪些乐器、它们在哪里以及它们是什么声音的监督。在测试阶段,系统的输入是一个展示不同乐器演奏的视频和单声道听觉输入。系统执行音频视觉源分离和定位,将输入声音信号分离成N个声音通道,每个通道对应不同的乐器类别。此外,系统可以定位声音并为输入视频中的每个像素分配不同的音频波形。

构建无代码监督学习模型

Supervised AI是一个无代码AI开发平台，可帮助用户构建监督学习模型。利用OpenAI的GPT引擎，结合用户的数据，构建高准确性的AI模型。用户可以使用Supervised API将AI模型集成到任何地方。

DINOv2: 无监督学习的稳健视觉特征

DINOv2 是一种无监督学习的自我监督学习方法，可以生成高性能的视觉特征，适用于计算机视觉任务。它不需要微调，具有稳健性和跨领域性能。

一种自监督的视听特征对齐模型。

DenseAV是一种新颖的双编码器定位架构，通过观看视频学习高分辨率、语义有意义的视听对齐特征。它能够无需明确定位监督即可发现单词的“意义”和声音的“位置”，并且自动发现并区分这两种关联类型。DenseAV的定位能力来自于一种新的多头特征聚合操作符，它直接比较密集的图像和音频表示进行对比学习。此外，DenseAV在语义分割任务上显著超越了先前的艺术水平，并且在使用参数少于一半的情况下，在跨模态检索上超越了ImageBind。

自监督学习框架，用于音视觉语音处理

AV-HuBERT是一个自监督表示学习框架，专门用于音视觉语音处理。它在LRS3音视觉语音基准测试中实现了最先进的唇读、自动语音识别（ASR）和音视觉语音识别结果。该框架通过掩蔽多模态聚类预测来学习音视觉语音表示，并且提供了鲁棒的自监督音视觉语音识别。

免费人声分离工具 分离伴奏背景音乐提取

终极人声去除GUI是一款使用深度神经网络技术的人声去除工具。其核心开发者训练了所有提供的模型，除了Demucs v3和v4 4声道模型。该应用使用先进的源分离模型从音频文件中去除人声。无需额外的先决条件即可有效运行。适用于Windows 10及以上版本。

利用AI技术分离音乐/视频中的人声和伴奏

易我人声分离是一款在线工具，它使用人工智能算法将音频或视频中的人声和伴奏分离，支持多种音频和视频格式，如MP3、WAV、M4A、FLAC等。这款工具对于音乐制作人、歌曲创作者、K歌爱好者以及需要音频编辑的专业人士来说非常有用。它提供了不同版本的订阅服务，包括年版、月版、推荐包和基础包，用户可以根据自己的需求选择合适的版本。

通过音频扩散模型实现源分离和合成的创新方法。

Audio-SDS 是一个将 Score Distillation Sampling（SDS）概念应用于音频扩散模型的框架。该技术能够在不需要专门数据集的情况下，利用大型预训练模型进行多种音频任务，如物理引导的冲击声合成和基于提示的源分离。其主要优点在于通过一系列迭代优化，使得复杂的音频生成任务变得更为高效。此技术具有广泛的应用前景，能够为未来的音频生成和处理研究提供坚实基础。

最佳在线工具，用于从音频文件中分离人声和伴奏。

AudioStrip是音乐人用来从音频文件中分离人声和伴奏的最佳在线工具。用户可以免费使用AudioStrip，也可以付费升级到高级版，以获得批量上传、10倍更快的分离速度等更多功能。该服务使用最高质量的算法，操作简单，快速获得分离效果，可以同时分离多个音频文件。用户可以免费使用，也可以选择付费高级版，价格为每月5.99英镑。

自监督触觉表示，用于基于视觉的触觉传感。

Sparsh是一系列通过自监督算法（如MAE、DINO和JEPA）训练的通用触觉表示。它能够为DIGIT、Gelsight'17和Gelsight Mini生成有用的表示，并在TacBench提出的下游任务中大幅度超越端到端模型，同时能够为新下游任务的数据高效训练提供支持。Sparsh项目包含PyTorch实现、预训练模型和与Sparsh一起发布的数据集。

MVSEP能够将音频中的语音和音乐部分分离。

MVSEP是一款在线音频处理工具，利用先进的音频分离技术可将音乐和语音从音频文件中分离出来，适用于音乐制作、音频编辑、广播、电影后期制作等领域。优点包括高质量的音频输出、快速的处理速度和用户友好的操作界面。提供不同模型选择。

音乐人的AI音频分离工具

Moises是一款专为音乐人设计的应用程序，利用人工智能技术分离音乐中的人声和乐器声音，帮助音乐爱好者、学生、教师和社交媒体内容创作者等目标用户群体学习和创作音乐。产品背景信息显示，Moises以其先进的AI音频分离技术，为用户提供了一种全新的音乐学习与创作方式，其主要优点包括操作简便、功能全面以及对多种音频格式的支持。Moises提供免费版本，并提供月度和年度的高级订阅服务。

将静态肖像和输入音频转化为生动的动画对话视频

AniTalker是一个创新的框架，它能够从单一的肖像生成逼真的对话面部动画。它通过两个自监督学习策略增强了动作表现力，同时通过度量学习开发了一个身份编码器，有效减少了对标记数据的需求。AniTalker不仅能够创建详细且逼真的面部动作，还强调了其在现实世界应用中制作动态头像的潜力。

基于自然语言查询的开放领域音频源分离模型

AudioSep是一种基于自然语言查询的开放领域音频源分离模型。它由文本编码器和分离模型两个关键组件组成。我们在大规模多模态数据集上训练AudioSep，并在许多任务上广泛评估其能力，包括音频事件分离、乐器分离和语音增强。AudioSep表现出强大的分离性能和令人印象深刻的零样本泛化能力，使用音频标题或文本标签作为查询，大大优于以前的音频查询和语言查询声音分离模型。为了保证本工作的可重复性，我们将发布源代码、评估基准和预训练模型。

一种基于潜在扩散模型的自监督层次化化妆迁移技术

SHMT是一种自监督的层次化化妆迁移技术，通过潜在扩散模型实现。该技术能够在不需要显式标注的情况下，将一种面部妆容自然地迁移到另一种面部上。其主要优点在于能够处理复杂的面部特征和表情变化，提供高质量的迁移效果。该技术在NeurIPS 2024上被接受，展示了其在图像处理领域的创新性和实用性。

在线音轨分离工具

vocalremover org是一个在线音轨分离工具，可以将音乐中的人声和伴奏分离出来。它具有简单易用的界面，能够快速高效地分离音轨，并且可以导出分离后的音频文件。vocalremover org支持多种音频格式，并且完全免费使用。

用强大的人工智能算法将声音从音乐中分离出来

这个免费的在线应用程序通过创建卡拉 OK 来帮助去除歌曲中的人声。当你选择了一首歌曲，人工智能将把人声从器乐中分离出来。你将得到两条音轨 - 你的歌曲的卡拉 OK 版本（没有人声）和阿卡贝拉版本（无伴奏纯人声）。尽管此服务复杂且成本高，但你仍然可以完全免费使用它。处理通常需要 10 秒左右。

使用Gradio UI的Ultimate Vocal Remover 5，分离音频文件。

UVR5-UI是一个基于python-audio-separator的开源项目，它提供了一个用户友好的界面来分离音频文件中的不同音轨，使用了多种模型来实现高质量的音频分离。该项目特别适合音乐制作者、音频编辑者和任何需要从音频中移除或分离特定声音的人。UVR5-UI支持从多个网站批量分离音频，并且可以在Colab和Kaggle上运行，为使用者提供了极大的便利。

学习模型间字符串关系，检查视觉世界

这篇论文系统评估了大型语言模型（LLMs）生成和识别逐渐复杂的视觉概念的能力，并展示了如何使用文本模型训练初步的视觉表示学习系统。虽然语言模型不能直接处理像素级的视觉信息，但使用代码表示图像进行研究。LLM 生成的图像虽然不像自然图像，但在图像生成和纠正方面的结果表明，准确建模字符串可以教会语言模型许多关于视觉世界的方面。此外，利用文本模型生成的图像进行自监督视觉表示学习的实验，突出了只使用 LLMs 就能训练能够对自然图像进行语义评估的视觉模型的潜力。

在线免费人声分离、伴奏分离器

音子 AI 是一款在线音轨分离解决方案，用户可上传音频或视频文件，立即获取独立的人声和伴奏文件。该产品基于人工智能技术，提供高效的音轨提取功能。

快速、准确、免费的音频转文字服务

AIbase音频提取文字工具利用人工智能技术，通过机器学习模型快速生成高质量的音频文本描述，优化文本排版，提升可读性，同时完全免费使用，无需安装、下载或付款，为创意人员提供便捷的基础服务。

Miqu 1-70b是一个开源的大规模语言模型

Miqu 1-70b是一个开源大规模语言模型,采用了新颖的自我监督学习方法,可以处理各种自然语言任务。该模型参数量达170亿,支持多种prompt格式,可fine-tuning生成高质量的文本。其强大的理解和生成能力,使其可广泛应用于聊天机器人、文本摘要、问答系统等领域。

SpleeterGUI 是一款音乐源分离桌面应用程序。

SpleeterGUI 是一个音乐源分离的桌面应用程序，用户无需安装 Python 或 Spleeter，该应用程序内含预装 Python 版本和 Spleeter。通过分离音轨，用户可以从音乐中提取出不同的声音源，提供了更灵活的音频处理能力。

无代码，自动化机器学习

Qlik AutoML是一款为分析团队提供无代码、自动化机器学习的工具。它能够快速生成模型、进行预测和决策规划。用户可以轻松创建机器学习实验，识别数据中的关键因素并训练模型。同时，它还支持完全可解释的AI，可以展示预测的原因和影响。用户可以将数据发布或直接集成到Qlik Sense应用中进行全交互式分析和模拟。

无代码机器学习平台，生成业务洞察和预测

Graphite Note是世界上最简单易用的无代码机器学习平台。它帮助用户在几分钟内生成业务洞察和预测，无需编码。通过Graphite Note，用户可以使用各种机器学习模型进行数据分析、预测和决策支持。平台提供直观的界面和易于使用的工具，使用户能够快速构建和训练模型，并将结果转化为实际的业务洞察。Graphite Note还提供了丰富的功能，包括数据可视化、特征工程、模型评估和优化等，以帮助用户充分利用机器学习的潜力。平台还支持多种数据源和格式，使用户能够灵活地处理和分析各种类型的数据。Graphite Note的定价灵活合理，适用于个人用户、小型团队和企业客户。无论您是数据科学家、业务分析师还是决策者，Graphite Note都是您实现业务洞察和预测的理想选择。

构建监督式大型语言模型的无代码平台

Supervised AI是一个无代码AI开发平台，利用OpenAI的GPT引擎，构建由您自己的数据支持的监督式大型语言模型。您可以使用我们的自定义模型和数据源，在高准确率和快速开发的环境下构建强大且可扩展的AI。同时，您还可以使用Supervised API将您的AI模型集成到任何地方。

音频处理和生成的深度学习库

AudioCraft 是一个用于音频处理和生成的 PyTorch 库。它包含了两个最先进的人工智能生成模型：AudioGen 和 MusicGen，可以生成高质量的音频。AudioCraft 还提供了 EnCodec 音频压缩 / 分词器和 Multi Band Diffusion 解码器等功能。该库适用于音频生成的深度学习研究。

无代码，只需提问的AI数据分析

Airwiz是一款革命性的AI数据分析工具，无需编写代码，只需提出问题即可获得直观的数据分析结果。它与Airtable无缝集成，为用户提供了Python级别的数据洞察，使数据分析过程变得轻松快捷。用户可以立即获得可操作的数据洞察，无需等待复杂的报告。Airwiz的定位是为Airtable用户提供便捷、高效的数据分析解决方案。

无代码机器学习平台

NextBrain AI是一款无代码机器学习平台，让任何人都能轻松训练机器学习模型并将数据转化为有价值的见解，指导决策。它提供简单有效的分析和宝贵的洞察力，无需编程知识。同时支持Google Sheets插件和Web应用，选择适合您的方式开始训练机器学习模型吧！

无代码数据清洗、准备和机器学习平台

Sweephy是一款无代码数据清洗、准备和机器学习平台。它专注于为每个业务案例提供专业开发，可以帮助您将原始数据转化为商业价值。Sweephy提供了一系列机器学习模块，包括数据可视化、文本分类、相似记录检查、数据分析和解释等功能。通过Sweephy，您可以轻松处理数据并从中获取商业价值。