视频通话实时换脸:支持训练面部模型 | 开源日报 No.235

本文主要是介绍视频通话实时换脸:支持训练面部模型 | 开源日报 No.235,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

picture

iperov/DeepFaceLive

Stars: 19.7k License: GPL-3.0

picture

DeepFaceLive 是一个用于 PC 实时流媒体或视频通话的人脸换装工具。

  • 可以使用训练好的人脸模型从网络摄像头或视频中交换面部。
  • 提供多个公共面部模型,包括 Keanu Reeves、Mr. Bean 等。
  • 支持自己训练面部模型以获取更高质量和更好匹配度。
  • 包含 Face Animator 模块,可控制静态面部图片使用视频或摄像头实现动画效果。

seaweedfs/seaweedfs

Stars: 20.0k License: Apache-2.0

picture

SeaweedFS 是一个快速的分布式存储系统,适用于大量文件的 blobs、objects、files 和 data lake。其主要功能和核心优势包括:

  • Blob 存储具有 O(1) 磁盘查找和云层级。
  • Filer 支持 Cloud Drive、跨数据中心主动-主动复制、Kubernetes、POSIX FUSE 挂载点等多种功能。
  • 提供 S3 API 和 S3 Gateway,支持 Hadoop 和 WebDAV。
  • 支持加密和 Erasure Coding 技术。

opencontainers/runc

Stars: 11.1k License: Apache-2.0

runc 是一个根据 OCI 规范在 Linux 上生成和运行容器的 CLI 工具。

  • 根据 OCI 规范生成和运行容器
  • 支持安全审计
  • 仅支持 Linux 平台
  • 使用 Go Modules 进行依赖管理
  • 提供可选的构建标签,用于编译各种功能支持

stefanprodan/podinfo

Stars: 4.8k License: Apache-2.0

picture

podinfo 是一个用 Go 编写的微服务模板,展示了在 Kubernetes 中运行微服务的最佳实践。

  • 健康检查(可读性和活性)
  • 收到中断信号时优雅关闭
    • 用于监视秘密和配置映射的文件观察者
  • 使用 Prometheus 和 Open Telemetry 进行仪表化
  • 使用 zap 进行结构化日志记录
  • 遵循 12 要素应用程序设计原则,使用 viper 库
  • 故障注入(随机错误和延迟)
  • Swagger 文档支持

layerdiffusion/sd-forge-layerdiffuse

Stars: 2.2k License: Apache-2.0

picture

sd-forge-layerdiffuse 是一个通过 Forge 实现的 WebUI 的图层扩散项目。

  • 生成透明图像和图层
  • 支持基本的图像生成和图层功能
  • 提供多个模型用于转换 SDXL 为透明图片生成器
  • 高度动态且可能在未来一个月内发生大量变化

这篇关于视频通话实时换脸:支持训练面部模型 | 开源日报 No.235的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/942440

相关文章

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

公共筛选组件(二次封装antd)支持代码提示

如果项目是基于antd组件库为基础搭建,可使用此公共筛选组件 使用到的库 npm i antdnpm i lodash-esnpm i @types/lodash-es -D /components/CommonSearch index.tsx import React from 'react';import { Button, Card, Form } from 'antd'

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

(超详细)YOLOV7改进-Soft-NMS(支持多种IoU变种选择)

1.在until/general.py文件最后加上下面代码 2.在general.py里面找到这代码,修改这两个地方 3.之后直接运行即可

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

探索Elastic Search:强大的开源搜索引擎,详解及使用

🎬 鸽芷咕:个人主页  🔥 个人专栏: 《C++干货基地》《粉丝福利》 ⛺️生活的理想,就是为了理想的生活! 引入 全文搜索属于最常见的需求,开源的 Elasticsearch (以下简称 Elastic)是目前全文搜索引擎的首选,相信大家多多少少的都听说过它。它可以快速地储存、搜索和分析海量数据。就连维基百科、Stack Overflow、

YOLO v3 训练速度慢的问题

一天一夜出了两个模型,仅仅迭代了200次   原因:编译之前没有将Makefile 文件里的GPU设置为1,编译的是CPU版本,必须训练慢   解决方案: make clean  vim Makefile make   再次训练 速度快了,5分钟迭代了500次

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html