搜索结果：mod（73 个）
按分类缩小范围
KittenTTS
综合 58
可在 CPU 上高效运行的前沿开源 TTS（文本转语音）模型。
Duix-Avatar
综合 57
开源 AI 数字人工具包，支持离线视频生成与数字人克隆。
magic-animate
综合 56
CVPR 2024 论文 MagicAnimate 官方仓库：基于扩散模型的时序一致人物图像动画生成。
dia
综合 56
支持一次性生成超逼真对话的 TTS（文本转语音）模型。
zerox
综合 56
基于视觉模型的 OCR 与文档内容提取工具。
Wav2Lip
综合 55
ACM MM 2020 论文 Wav2Lip 官方源码，实现真实场景下的语音到唇形同步生成。
moshi
综合 54
语音-文本基座模型与全双工口语对话框架，采用前沿的流式神经音频编解码器 Mimi。
Open-Generative-AI
综合 53
开源 AI 音视频生成平台，支持自托管与 600+ 模型，无审查过滤，基于 MIT 协议。
baguette
综合 53
Apple 模拟器无头控制工具，支持手势、60fps 推流及多设备集群管理。
iina
综合 53
专为 macOS 设计的现代化开源多媒体视频播放器。
Qwen3-TTS
综合 53
阿里千问团队开源的 TTS 模型系列，支持稳定、高表现力、流式语音生成、自由声音设计与声音克隆。
csm
综合 52
一款对话式语音生成模型。
lemo-opuscar
综合 51
面向 Claude Code 的电影风格工具箱，含 66 种即用风格及纯代码生成的示例短片，无需视频模型。
InvokeAI
综合 51
基于图像与视频生成模型的 AI 创意引擎，帮助专业人士与创作者利用前沿 AI 技术生成视觉媒体内容。
diffusers
综合 49
基于 PyTorch 的前沿扩散模型库，支持图像、视频和音频生成。
LocalAI
综合 49
开源 AI 引擎，可在各类硬件上运行 LLM、视觉及语音等模型，无需 GPU。
memories
综合 49
快速、现代化且功能强大的照片管理套件，作为 Nextcloud 应用运行。
MPV-EASY-Player
综合 48
基于 MPV 打造的现代化视频播放器，简单易用。
GSAP
综合 47
专为现代 Web 打造的高性能 JavaScript 动画库。
涵盖文本、视觉、音频及多模态的前沿机器学习模型框架，支持推理与训练。