月份: 2023 年 8 月

Stable Diffusion 是一個在 2022 年推出的深度學習模型，主要用來把文字描述轉換成詳細的圖像。不只是這樣，它還能用在其他任務上，像是內補繪製和外補繪製，也就是在已經有的圖像上加入或修改一些元素。 技術細節 這個模型是由慕尼黑大學的 CompVis 研究團隊和初創公司 StabilityAI 合作開發的。它使用了一種叫做「潛在擴散模型」（latent diffusion model; LDM）的技術。這個技術主要是用來去噪（去除噪聲），並且由三個主要部分組成：變分自編碼器（VAE）、U-Net 和一個文字編碼器。 用途 你可以用這個模型來生成全新的圖像，或者在已經存在的圖像上加

閱讀更多

Bark 是由 Suno 創建的基於變換器（transformer）的文本到音頻模型。它能生成非常逼真的多語言語音，以及其他音頻，包括音樂、背景噪音和簡單的聲音效果。該模型還能產生非語言交流，如笑聲、嘆息和哭聲。 注意：Bark 主要是為研究目的而開發的。它不是一個傳統的文本到語音模型，而是一個完全生成的文本到音頻模型，可能會以意想不到的方式偏離提供的提示。 Github：連結 Bark GUI 是一個基於 Bark 的 Gradio Web UI，專為 Windows 設計但不僅限於此。它提供了一些額外的功能，如： Github：連結 1. 安裝步驟（使用 SEAIT 快速安裝） 1-1 安

閱讀更多