LatentSync

LatentSync

github.com

字节跳动开源的端到端唇形同步模型，基于音频条件潜在扩散，无需中间运动表示。

开源多模态可自部署本地模型LinuxWindows

GitHub ★ 6,239被推荐 1 次

访问网站 ↗

适合做什么

适合视频创作者、数字人开发者做口型同步；研究者可基于 Stable Diffusion 二次开发。

标签与属性

价格

特性

多模态可自部署

支持模型

平台

同类推荐

开源模型

Whisper

★ 110,133

OpenAI 开源的通用语音识别模型，支持多语言转写、翻译与语种识别，可本地运行。

开源可自部署本地模型命令行Linux

github.com2 处推荐

开源模型

Segment Anything (SAM)

★ 54,964

Meta 开源的图像分割基础模型，支持点/框提示生成高质量物体掩码，零样本能力强。

开源可自部署本地模型LinuxWindows

github.com1 处推荐

开源模型

Stable Diffusion

★ 73,493

开源的潜在文本到图像扩散模型，可在消费级 GPU 上本地生成高质量图片。

可自部署多模态本地模型LinuxWindows

github.com1 处推荐

开源模型

Stable Diffusion v1-4

Stability AI 开源的潜在扩散文生图模型，可根据文本提示生成照片级写实图像。

开源可自部署多模态本地模型网页

huggingface.co2 处推荐

开源模型

Stable Diffusion XL Base 1.0

Stability AI 开源的文生图扩散模型，SDXL 基础版，可本地或云端推理生成高清图像。

开源可自部署有 API网页Linux

huggingface.co1 处推荐

开源模型

Grounding DINO

★ 10,649

开放集目标检测模型，用文本提示即可检测任意物体，ECCV 2024 官方开源实现

开源可自部署多模态LinuxWindows

github.com1 处推荐