模型

字节跳动与北京交通大学的研究团队共同提出了一种名为LatentSync的新方法，旨在解决唇音同步的问题。这一框架利用了Stable Diffusion的强大能力，通过一个端到端的流程直接建模复杂的音视...

随着人工智能技术的发展，文本到音频（TTA）生成模型正在逐渐改变我们与数字内容互动的方式。然而，创建高质量且自然的音频输出仍然是一个复杂的技术挑战，尤其是在对齐模型以产生符合人类期望的音频方面。新加坡...

Yandex Research、俄罗斯国立研究型大学高等经济学院、莫斯科物理技术学院和Skoltech科大的研究人员推出新型规模感知变换器SWITTI，它用于文本到图像的合成。SWITTI基于现有的下...

Snow Globe - Snow Ball是一款雪花球主题的Flux Lora，允许在雪球内展示各种场景，非常适合与其他类型Lora搭配使用。 地址：https://tensor.art/model...

Seiwert Industrial是一款受弗朗茨·威廉·塞维特（Franz Wilhelm Seiwert，1894–1933）启发的抽象工业现代主义风格Flux Lora，弗朗茨·威廉·塞维特是集...

Gesture Draw是一个草图风格Flux Lora，非常适合捕捉动态和能量，是绘制粗略、手势草图的完美选择。无论是快速练习还是动态姿势，这个LoRA都能保持草图的生动感和生命力。跳过过度修饰的外...

RisographPrint是一款Risograph印刷风格Flux Lora，以其鲜艳的分层色彩、半透明的大豆油墨以及轻微的瑕疵（如错位和半色调渐变）而闻名。这种风格将复古美学与现代多功能性相结合...

Ligne Claire是一款旨在生成类似于由法国漫画家Jean Giraud（尚·吉罗）开创的“Ligne Claire”艺术风格图像的Flux Lora。 模型地址：https://civitai...

Everly Heights Character Sheets是一款专为故事创作者、动画师和游戏开发者设计的Flux Lora，这款LoRA模型以精准和风格创建专业级角色设定表。无论你是为动画、漫画还...

CELEBRIT是一款旨在重现MTV昔日热门节目《名人死亡赛》中黏土动画风格的Flux Lora，开发者推出了两款模型（经典版和多功能版），无需触发关键词即可使用。 模型地址：https://civi...

图形用户界面（GUI）是用户与软件交互的核心。然而，构建能够有效导航GUI的智能代理一直是一个持续的挑战。传统方法在适应性方面存在不足，尤其是在处理复杂布局或GUI频繁变化时，这些问题限制了自动化GU...

随着视频生成模型的发展，基于DiT架构如 Sora 和 MM-DiT 在单提示视频生成任务中取得了显著进展。然而，这些模型在处理多个顺序提示时面临诸多挑战，难以生成连贯且自然过渡的场景。具体来说： 严...