Классический веб-интерфейс для Stable Diffusion: генерация картинок из текста, доработка, апскейл и тысячи расширений от сообщества.
Все репозитории
Голос, видео, мультимодальностьfacebookresearch
sam2
Segment Anything 2 от Meta: выделяет любой объект на картинке или в видео по клику и прослеживает его по кадрам. Репозиторий содержит код, веса и ноутбуки.
Кому подойдёт
Тем, кто делает разметку, монтаж и компьютерное зрение.
Как начать
- Установи:
git clone https://github.com/facebookresearch/sam2.git && cd sam2, затемpip install -e .. - Для ноутбуков добавь:
pip install -e ".[notebooks]". - Скачай веса:
cd checkpoints && ./download_ckpts.sh && cd ...
Шаги взяты из README. Перед запуском сверься с актуальной версией в репозитории.
Звёзды за последние 30 дней
+1626 сент. — 6 окт.
Описание автора
The repository provides code for running inference with the Meta Segment Anything Model 2 (SAM 2), links for downloading the trained model checkpoints, and example notebooks that show how to use the model.
Ещё в категории «Голос, видео, мультимодальность»
Графический конструктор пайплайнов для диффузионных моделей: собираешь генерацию картинок, видео и аудио из узлов. Работает локально и умеет отдавать результат по API.
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.