Amphion：一款开源的音频、音乐和语音生成工具包
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
FreGrad: Lightweight and Fast Frequency-aware Diffusion Vocoder
...
Seed-Music字节发布高质量、可控的音乐生成统一框架,10s唱歌克隆
...
基于上下文调整的检索增强生成方法
...
AI变声器,Seed-Vc,0920,突破30秒长度限制,零样本无须训练变声,AI歌曲翻唱,zero-shot,音色修改
...
开源指令生成：用开源代码提升代码生成模型性能
...
稳定分数蒸馏：高质量三维生成新方法
...
FreeInit：弥合视频扩散模型初始化鸿沟以提升生成视频的时间一致性
...
FastDiT-3D：高效生成高质量三维点云的扩散变换器
...
融合像素与潜在扩散模型的文本到视频生成方法
...
大型语言模型生成内容质量自评估提升选择性生成
...
大型语言模型在上下文学习中的可靠性提升：结合监督知识的方法
...
SyncDreamer：基于单图像生成3D物体新方法
...
System 2 Attention (is something you might need too)
...
FineControlNet：基于空间对齐文本控制注入的图像生成细粒度文本控制
...
基于潜在变量推断的训练链式思维提升语言模型推理能力
...
基于文本到图像扩散模型的文本到视频生成架构研究
...
OpenIns3D: 3D开放词汇实例分割的新框架
...
快速高效文本到图像生成模型
...
GridFormer 表结构识别方法
...
GAN生成高保真3D几何：渲染每个像素以提升3D GAN质量
...
大规模语言模型在多模态音乐理解与生成中的应用
...
TinySAM：高效分割模型的新突破
...
MusicAgent: An AI Agent for Music Understanding and Generation with Large Langua
...
CityDreamer: 生成逼真多样的无界3D城市布局
...
基于ChatGPT的模板生成方法用于图像分类
...
Conditional Diffusion Distillation
...
层次规划组合基础模型研究
...
分布式注意力机制：长文本处理的高效LLM服务系统
...
通用视觉基础模型：多任务学习实现高效零样本迁移
...
微量多语言数据提升多语言指令跟随能力
...
生成高质量的长视频：SEINE视频扩散模型
...
高斯涂抹文本生成三维模型
...
一起来盘盘Paper QA工具哪家强
...
VideoLCM：基于视频潜在一致性模型的高效视频合成方法
...
TinyLlama：开源小型语言模型的新突破
...
动态3D高斯分布与合成扩散模型：实现文本到4D动画的生成
...
区域描述生成：轻量级增强交互式分割模型
...
基于视觉的灵巧操纵研究综述
...
PhotoVerse: 个性化文本到图像生成的调谐自由方法
...
DiffiT：基于扩散视觉Transformer的图像生成