npx lumentis：用单个命令从转录文本和非结构化信息生成精美的文档

WavCraft：基于 LLM 的音频内容创作和编辑 Agent，通过连接各种音频专家模型和 DSP 函数，实现音频内容的创建和编辑

MoneyPrinterTurbo - 利用大模型，一键生成短视频

只需提供一个视频主题或关键词，就可以全自动生成视频文案、视频素材、视频字幕、视频背景音乐，然后合成一个高清的短视频。

功能特性 🎯
1.完整的 MVC架构，代码 结构清晰，易于维护，支持API和Web界面
2.支持视频文案 AI自动生成，也可以自定义文案
3.支持多种 高清视频 尺寸
-竖屏 9:16，1080x1920
-横屏 16:9，1920x1080
4.支持批量视频生成，可以一次生成多个视频，然后选择一个最满意的
5.支持视频片段时长设置，方便调节素材切换频率
6.支持中文和英文视频文案
7.支持多种语音合成
8.支持字幕生成，可以调整字体、位置、颜色、大小，同时支持字幕描边`设置
9.支持背景音乐，随机或者指定音乐文件，可设置背景音乐音量
10.视频素材来源无版权问题

后期计划 🚀
1.优化语音合成，利用大模型，使其合成的声音，更加自然，情绪更加丰富
2.增加视频转场效果，使其看起来更加的流畅
3.优化视频素材的匹配度

0:44

Media is too big

VIEW IN TELEGRAM

TagGUI：用于快速添加和编辑图像标签和描述的跨平台桌面应用，旨在为生成器式 AI 模型(如 Stable Diffusion)创建图像数据集，支持自动生成描述。

特征
键盘友好的界面，可快速标记
根据您自己最常用的标签自动完成标签
集成稳定扩散令牌计数器
使用 CogVLM、LLaVA、WD Tagger 等模型自动生成标题和标签
可选择加载 4 位自动字幕模型以减少 VRAM 使用
批量标签操作，对标签进行重命名、删除、排序等操作
高级图像列表过滤

利用 AI 进行实时语音绘图 | Livestory | #工具

该工具将传统的提示词输入换成了语音输入，帮你实时生成图像，做到语音控制绘图。

使用到的技术框架，如下：

- WhisperCPP（实时语音转文本）
- SDXL Turbo on Coreweave（图像生成模型）
- LCM (different versions) on Replicate（加速图像生成）

目前代码已经开源，感兴趣的可以部署使用。

如何找到 NVIDA GTC 视频的字幕内容，其实也适用于大部分在线视频的 srt/vtt 字幕。

1. 打开 Chrome 开发工具，然后刷新网页（确保字幕是在开发工具打开后加载的）
2. 开启视频字幕，拖放到有字幕的位置，找一个比较特别一点的字幕单词（更容易搜索到）
3. 再开发工具中切换到“Source”，在 “Top” 上点右键，选择“Search In All Files”
4. 输入关键字，然后按回车
5. 从下面的列表找到相应的字幕文件，双击打开，就可以将内容复制出来，保存成 .srt 或者 .vtt 格式的文件

LlamaIndex+Mistral开发指南 | #指南