Загрузка видео...

Не удалось загрузить видео

На главную

HeyGen实现流程中的语音克隆，现在有最佳开源方案了：XTTS v2，单样本即可克隆语音，效果见视频。 现在已经能实现：让一个明星的采访视频，变成他讲述任意小故事（内容可以GPT编）的视频，声音是他的声音，嘴型也能对上。 XTTS v2在线体验： Github：

Gorden_Sun's profile picture

Gorden Sun

59,616 subscribers

170,149 просмотров • 2 лет назад •via X (Twitter)

ОбразованиеНаука и технологииМузыка
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。 模型： 在线体验：
0:16

千问开源Qwen3-TTS 除了常规的文本生成语音，还支持设计声音和语音克隆。分0.6B和1.7B两个大小。效果不错，速度也很快。语音克隆的音色还原还可以，但是情感还原上不如Index TTS2。 模型： 在线体验：

Gorden Sun

18,202 просмотров • 5 месяцев назад

国内也有自己的 Veo 3 模型了！ 通义今天发布了通义万象 2.5 视频模型 一个重要的更新就是实现音画同步的视频生成能力 支持端到端输出与视频相关的音效、语音，同时可以唇形同步。
0:15

国内也有自己的 Veo 3 模型了！ 通义今天发布了通义万象 2.5 视频模型 一个重要的更新就是实现音画同步的视频生成能力 支持端到端输出与视频相关的音效、语音，同时可以唇形同步。

歸藏(guizang.ai)

15,388 просмотров • 9 месяцев назад

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。
0:15

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。 给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。 除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。 还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。

阿西_出海

19,664 просмотров • 12 дней назад

现在的 AI 实在太逼真了 注意看这两个视频，动作和表情是一模一样的，只是衣服不一样 实拍不可能拍出这种效果
0:10

现在的 AI 实在太逼真了 注意看这两个视频，动作和表情是一模一样的，只是衣服不一样 实拍不可能拍出这种效果

王长富

22,365 просмотров • 27 дней назад

阿里马上要发一款语音到视频的模型，WAN 2.2-S2V，把说话声音变成高级影片 由音频驱动，基于视觉构建 开源 #语音生成AI视频
0:19

阿里马上要发一款语音到视频的模型，WAN 2.2-S2V，把说话声音变成高级影片 由音频驱动，基于视觉构建 开源 #语音生成AI视频

AIGCLINK

14,386 просмотров • 10 месяцев назад

有道开源Confucius4-TTS 1.3B大小的TTS模型，支持多语言，支持语音克隆，效果不错，速度特别快。 Github： 在线使用：
0:14

有道开源Confucius4-TTS 1.3B大小的TTS模型，支持多语言，支持语音克隆，效果不错，速度特别快。 Github： 在线使用：

Gorden Sun

20,621 просмотров • 24 дней назад

还记得阿里巴巴那个让照片说话的EMO项目吗 ？ 微软的VASA-1项目也实现了这个功能 单人像照片+语音音频=超逼真的人脸视频 效果炸裂，比EMO那个效果还好
0:15

还记得阿里巴巴那个让照片说话的EMO项目吗 ？ 微软的VASA-1项目也实现了这个功能 单人像照片+语音音频=超逼真的人脸视频 效果炸裂，比EMO那个效果还好

小互

131,226 просмотров • 2 лет назад

哈哈，自从给我开发的 chatbot 加上了内容生成时的打字声音效果后，我就再也接受不了没有打字声音只有打字机效果的其他的 chatbot 了，内容生成的过程变得好无聊，感觉闷闷的不开朗 视频注意要开启声音观看
0:17

哈哈，自从给我开发的 chatbot 加上了内容生成时的打字声音效果后，我就再也接受不了没有打字声音只有打字机效果的其他的 chatbot 了，内容生成的过程变得好无聊，感觉闷闷的不开朗 视频注意要开启声音观看

yetone

41,961 просмотров • 1 год назад

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。
0:09

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

小互

81,041 просмотров • 1 год назад

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现
0:13

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

阿西_出海

54,218 просмотров • 6 дней назад

用了一段时间 Seedance 2.0，我用了几百次，试着做了短剧、商业广告、文旅宣传片、生活互动小视频、个人vlog，聊点真实感受。 AI 视频从"生成"进入了"创作"时代。以前我们在"用 AI 做视频"，现在是"用 AI 拍片"。 它重塑的不是某一个功能，而是整个创作流程： 以前你得分别处理文案、素材、剪辑、音效，现在你把想法、参考图、一段旋律一股脑丢给它，出来的东西——是一个完整的、有声音的、有叙事的视频。 最让我意外的是它的理解力。你用自然语言描述"主角从疲惫切换到放松的表情变化"，它真的能演出来。不是那种僵硬的 AI 味表演，是有节奏的、有呼吸感的。 说"划时代"可能有点大，但至少有三件事回不去了： 不会再接受"角色换个镜头就变脸" 不会再接受"视频和声音各做各的" 不会再接受"只能靠文字描述，不能喂参考素材" 这才是 AI 视频该有的样子。
0:15

用了一段时间 Seedance 2.0，我用了几百次，试着做了短剧、商业广告、文旅宣传片、生活互动小视频、个人vlog，聊点真实感受。 AI 视频从"生成"进入了"创作"时代。以前我们在"用 AI 做视频"，现在是"用 AI 拍片"。 它重塑的不是某一个功能，而是整个创作流程： 以前你得分别处理文案、素材、剪辑、音效，现在你把想法、参考图、一段旋律一股脑丢给它，出来的东西——是一个完整的、有声音的、有叙事的视频。 最让我意外的是它的理解力。你用自然语言描述"主角从疲惫切换到放松的表情变化"，它真的能演出来。不是那种僵硬的 AI 味表演，是有节奏的、有呼吸感的。 说"划时代"可能有点大，但至少有三件事回不去了： 不会再接受"角色换个镜头就变脸" 不会再接受"视频和声音各做各的" 不会再接受"只能靠文字描述，不能喂参考素材" 这才是 AI 视频该有的样子。

Adam也叫吉米

27,286 просмотров • 4 месяцев назад

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：
0:11

Fun-CineForge：阿里开源的AI生成影视配音 输入视频+文本，AI生成配音，能识别多个角色，能按要求设置配音风格，生成的配音节奏与视频里说话的唇形同步。演示视频的声音效果非常好。 项目地址： 模型：

Gorden Sun

26,823 просмотров • 3 месяцев назад

阿里巴巴的EMO进步很大 一张图片+一段音频生成视频 嘴型匹配现在已经很完美了，有点牛P了
0:13

阿里巴巴的EMO进步很大 一张图片+一段音频生成视频 嘴型匹配现在已经很完美了，有点牛P了

小互

35,960 просмотров • 1 год назад

🚨重大新闻：最佳免费AI视频工具来了！ 现在只需文字描述就能生成高质量4K视频。 SkyReels V2是开源、无限制且完全免费的。 下面是工作原理（附真实案例）：👇
0:10

🚨重大新闻：最佳免费AI视频工具来了！ 现在只需文字描述就能生成高质量4K视频。 SkyReels V2是开源、无限制且完全免费的。 下面是工作原理（附真实案例）：👇

露西的百宝箱

153,746 просмотров • 11 месяцев назад

Skywork 上线了视频 Agent 能力，他们这个流程有意思 你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。 支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。 我用首尾帧做了一条香水广告的演示，还不错。 也上线了一些特效模版，你可以不用管提示词直接复用。 而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。 最近有需求的朋友们可以看看，说不定这几天直接回本了。
0:10

Skywork 上线了视频 Agent 能力，他们这个流程有意思 你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。 支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。 我用首尾帧做了一条香水广告的演示，还不错。 也上线了一些特效模版，你可以不用管提示词直接复用。 而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。 最近有需求的朋友们可以看看，说不定这几天直接回本了。

歸藏(guizang.ai)

18,171 просмотров • 6 месяцев назад

funwithcomputervision 发布了一个开源实时 3D 操纵器，你可以基于手势来操作投在界面上的任何物体，无论是缩放，移动，调节等等都能实现。 感觉这个对AI眼镜的操作还是很有帮助的，现在全是闭源实现（比如 Apple VisionPro ），终于看到了个开源实现。 在线体验地址，注意需要有摄像头：
0:19

funwithcomputervision 发布了一个开源实时 3D 操纵器，你可以基于手势来操作投在界面上的任何物体，无论是缩放，移动，调节等等都能实现。 感觉这个对AI眼镜的操作还是很有帮助的，现在全是闭源实现（比如 Apple VisionPro ），终于看到了个开源实现。 在线体验地址，注意需要有摄像头：

karminski-牙医

26,949 просмотров • 1 год назад

前几天微软公布的9种更真实的 Azure 声音模型，亲测已经上线，效果跟当时的演示音频一模一样。
0:14

前几天微软公布的9种更真实的 Azure 声音模型，亲测已经上线，效果跟当时的演示音频一模一样。

zty5678

207,985 просмотров • 2 лет назад

我现在已经不在即梦用Seedance 2.0了，即使是年付最高会员也得排好几个小时才出视频。改在Yapper用，目前仅对邀请的创作者开放Seedance 2.0模型，15分钟就能生成15秒长度的视频，爽爆了。如果你是有影响力的创作者，我可以帮你引荐。Yapper 官网：
0:15

我现在已经不在即梦用Seedance 2.0了，即使是年付最高会员也得排好几个小时才出视频。改在Yapper用，目前仅对邀请的创作者开放Seedance 2.0模型，15分钟就能生成15秒长度的视频，爽爆了。如果你是有影响力的创作者，我可以帮你引荐。Yapper 官网：

Gorden Sun

90,265 просмотров • 4 месяцев назад

国产AI真的越来越强大了！发现一个AI复刻爆款视频的办法，不用开会员。 我在即梦下载了爆款视频之后，通过小云雀上传视频，就可以智能分析复刻同风格的爆款视频了，每天有130积分可以体验！ 图一是爆款视频，图2是复刻后的视频，感觉效果还不错！快去试试！
0:18

国产AI真的越来越强大了！发现一个AI复刻爆款视频的办法，不用开会员。 我在即梦下载了爆款视频之后，通过小云雀上传视频，就可以智能分析复刻同风格的爆款视频了，每天有130积分可以体验！ 图一是爆款视频，图2是复刻后的视频，感觉效果还不错！快去试试！

Adam也叫吉米

59,774 просмотров • 5 месяцев назад

一款轻量级、能在移动设备上实时运行的数字人模型：Ultralight-Digital-Human 需要准备一段3到5分钟的视频，视频中的人物需要全程露脸，声音清晰无噪音 项目提供了一个康辉老师的口播示例，整体看起来流畅自然，没有明显的卡顿 github： #数字人 （视频做为该项目效果演示，侵删）
0:19

一款轻量级、能在移动设备上实时运行的数字人模型：Ultralight-Digital-Human 需要准备一段3到5分钟的视频，视频中的人物需要全程露脸，声音清晰无噪音 项目提供了一个康辉老师的口播示例，整体看起来流畅自然，没有明显的卡顿 github： #数字人 （视频做为该项目效果演示，侵删）

AIGCLINK

55,105 просмотров • 1 год назад