Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
Все репозитории
Голос, видео, мультимодальностьAUTOMATIC1111
stable-diffusion-webui
Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Кому подойдёт
Тем, кто хочет рисовать картинки локально на своей видеокарте и не писать код.
Как начать
- Поставь зависимости для своей ОС (на Debian-подобных:
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0). - Запусти
webui.shна Linux/macOS илиwebui-user.batна Windows от обычного пользователя. - Настройки запуска меняй в
webui-user.sh(илиwebui-user.bat).
Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.
Звёзды за последние 30 дней
+6447 сент. — 6 окт.
Описание автора
Stable Diffusion web UI
Ещё в категории «Голос, видео, мультимодальность»
Эталонная модель распознавания речи от OpenAI: транскрибирует аудио на десятках языков, переводит речь и определяет язык.
Клонирование голоса по очень короткому образцу: минуты записи хватает, чтобы дообучить модель синтеза речи. Есть веб-интерфейс для разметки и обучения.
Whisper, переписанный на C/C++: быстро работает на обычном процессоре и на Mac, без Python и тяжёлых зависимостей. Удобно встраивать в приложения.
Модель синтеза речи, заточенная под живой разговорный диалог: умеет паузы, смех и интонации. Хороша для голосовых помощников и озвучки реплик.
Мгновенное клонирование голоса: по короткому образцу переносит тембр на любой текст и позволяет менять стиль, эмоции и язык. Лицензия MIT, можно использовать в коммерции.