CapsWriter（详情请戳 作者项目地址）是一款免费开源且可完全离线识别的语音输入工具，无需担心因在线版本识别带来的各种隐私泄露问题。支持win7及以上的系统，已经更新融合了语音输入以及音视...

音视频转文字字幕小工具V1.2，一款可以把视频语音转成相应语言字幕的工具，再不怕听不话岛国语言。和“英语、呀咩嗲”说bye bye。整合包已打包好，8GB多，超大。  

4月19日，Facebook母公司Meta重磅推出了Llama3。即便大家现在对于大厂和巨头频繁迭代AI模型的行为已经见怪不怪，Meta的Llama3仍旧显得与众不同，因为这是迄今最强大的开源AI模型。Meta推出了重...

这是一个极简的人声和背景音乐分离工具，本地化网页操作，无需连接外网，使用 2stems/4stems/5stems 模型。 将一首歌曲或者含有背景音乐的音视频文件，拖拽到本地网页中，即可将其中的人声和音...

我想很多做自媒体、或者从事视频字幕翻译的小伙伴，或者喜欢追剧外剧的，想把视频中的字幕提取出来，翻译成其它语言之类的。正常如果是一些封装类视频如MKV，内嵌字幕的可以导出来，但是对于一...

在图片上设定关键点，AI自动补全，图片就可以按照你想要的意图去改变，你的心有多大，世界就有多大，一切变化都在你的想象之间。1.3版支持自定义图片上传！ 如果你是一个喜欢拍照编辑图像的人，...

Step - Audio - EditX 是由阶跃星辰（StepFun）开发的全球首个开源 LLM 级音频编辑大模型，它基于 30 亿参数的 LLM 架构，凭借统一的 LLM 框架而非多模块拼接方案，实现文本驱动的音频创作，能...

数字人图片说话开源项目-Sadtalker一键整合包软件，可以实现图片说话的特效。 中文版一键整合包下载：

IDM-VTON  | AI一键完美换装，商用级效果，支持上衣，裤子，裙子多种替换！软件对电脑配置要求过高，只支持N卡，Windows系统，内存16G以上 IDM-VTON（Virtual Try-on）是一个基于深度学习的虚...

一键字幕生成+字幕翻译+创建配音+合成 = 带字幕和配音的新视频 自动视频翻译 集成faster/openai-whisper/支持自定义huggingface模型同时集成语音识别/文字配音/字幕翻译等众多小工具 多种识别/...