生成同步字幕的高质量有声书，支持 EPUB、PDF 及纯文本一键转换。
• 支持多平台（Windows、Mac、Linux）安装，自动配置 Python 和 CUDA，兼容主流 GPU（NVIDIA，Linux 下部分支持 AMD）。
• 采用 Kokoro-82M 语音合成模型，音质自然，支持美式、英式、中文等多语种，具备自定义混音调节功能。
• 内置字幕生成，支持按句子、词数分割，输出多种音频格式（MP3、WAV、FLAC、OPUS、M4B含章节）。
• 支持章节标记与元数据编辑，方便分章节保存与管理，批量队列处理提升工作效率。
• 提供命令行与 GUI 双模式，Docker 容器化部署，适合内容创作者、播客、短视频配音等多场景应用。
• 丰富配置选项：语速调节、个性化声音预听、字幕格式选择、缓存管理、主题切换（含暗黑模式规划）。
• 社区活跃，开源 MIT 授权，支持贡献代码，持续迭代功能，致力于打造高效便捷的有声内容生成工具。
从文本到音频的本质是“内容表达的多模态转换”，Abogen通过精准时间戳同步字幕，解决了传统 TTS 缺乏视觉辅助的问题，极大提升了听觉与视觉的结合体验，赋能内容消费和创作的双重升级。
abogen | #生成器
• 支持多平台（Windows、Mac、Linux）安装，自动配置 Python 和 CUDA，兼容主流 GPU（NVIDIA，Linux 下部分支持 AMD）。
• 采用 Kokoro-82M 语音合成模型，音质自然，支持美式、英式、中文等多语种，具备自定义混音调节功能。
• 内置字幕生成，支持按句子、词数分割，输出多种音频格式（MP3、WAV、FLAC、OPUS、M4B含章节）。
• 支持章节标记与元数据编辑，方便分章节保存与管理，批量队列处理提升工作效率。
• 提供命令行与 GUI 双模式，Docker 容器化部署，适合内容创作者、播客、短视频配音等多场景应用。
• 丰富配置选项：语速调节、个性化声音预听、字幕格式选择、缓存管理、主题切换（含暗黑模式规划）。
• 社区活跃，开源 MIT 授权，支持贡献代码，持续迭代功能，致力于打造高效便捷的有声内容生成工具。
从文本到音频的本质是“内容表达的多模态转换”，Abogen通过精准时间戳同步字幕，解决了传统 TTS 缺乏视觉辅助的问题，极大提升了听觉与视觉的结合体验，赋能内容消费和创作的双重升级。
abogen | #生成器
ai生成研究计划和搜索查询；迭代式网络搜索，智能判断是否需要进一步研究；自动生成包含来源和封面图像的综合报告
Math-To-Manim | #生成器
ai-diagram-generator | #生成器
点关注的省份，会展现精致的省级轮廓地图，再点具体城市可以深入到市县级的地理细节。允许以SVG格式轻松下载地图，以便随时导入到PPT中进行编辑。相比网上随意搜寻的图像，这种方式不仅美观，还具有极高的便捷性和可编辑性。
AnyDoor ：可以将任何对象巧妙的放入到新的图像、视频场景中
它是一种基于扩散的图像生成器，可以将目标对象（例如，人、动物、物品等）在用户指定的位置以和谐的方式传送到新的场景中。
如果你有一个视频，视频中的场景是一个空荡荡的房间，你可以将一个沙发或者一张桌子传送到这个房间中。
这个模型在训练过程中学到了如何描述和理解对象的一般特性，而不是特定对象的特性。这种能力被称为“零射击”泛化，意味着模型可以处理在训练数据中没有出现过的新对象。所以它只需要训练一次，然后就可以应用到各种不同的对象和场景组合上。
为了实现这个目标，AnyDoor 使用了一种名为“细节特征”的技术。这种特征可以保留对象的纹理细节，同时允许对象在不同的环境中进行局部变化，例如照明、方向和姿势等。这使得对象可以和新的场景自然地融合。
此外，AnyDoor 还使用了一种从视频数据集中借用知识的方法。在视频数据集中，可以观察到单个对象在时间轴上的各种形式，这有助于提高模型的泛化能力和鲁棒性。
实验结果表明，AnyDoor 的性能优于现有的方法，并且在实际应用中具有巨大的潜力，例如虚拟试穿和对象移动等。
项目地址 | paper | #生成器
它是一种基于扩散的图像生成器，可以将目标对象（例如，人、动物、物品等）在用户指定的位置以和谐的方式传送到新的场景中。
如果你有一个视频，视频中的场景是一个空荡荡的房间，你可以将一个沙发或者一张桌子传送到这个房间中。
这个模型在训练过程中学到了如何描述和理解对象的一般特性，而不是特定对象的特性。这种能力被称为“零射击”泛化，意味着模型可以处理在训练数据中没有出现过的新对象。所以它只需要训练一次，然后就可以应用到各种不同的对象和场景组合上。
为了实现这个目标，AnyDoor 使用了一种名为“细节特征”的技术。这种特征可以保留对象的纹理细节，同时允许对象在不同的环境中进行局部变化，例如照明、方向和姿势等。这使得对象可以和新的场景自然地融合。
此外，AnyDoor 还使用了一种从视频数据集中借用知识的方法。在视频数据集中，可以观察到单个对象在时间轴上的各种形式，这有助于提高模型的泛化能力和鲁棒性。
实验结果表明，AnyDoor 的性能优于现有的方法，并且在实际应用中具有巨大的潜力，例如虚拟试穿和对象移动等。
项目地址 | paper | #生成器
一个无限高质量3D数据的生成器，使用程序生成的无限逼真世界
100%的程序化生成，不需要外部资产，也不依赖AI。并且是免费开源的。生成质量非常高，可以说达到以假乱真的地步！甚至是花瓣上的皱纹都可定制
Infinigen由普林斯顿视觉和学习实验室开发，Infinigen的主要特性和功能包括：
1、程序化：Infinigen是一个程序生成器，它完全使用随机的数学规则来创建所有的形状和材料，从宏观结构到微观细节。Infinigen可以创建无限的变化。用户可以通过覆盖随机化的默认参数来完全控制资产的生成。
2、多样化：Infinigen为自然世界中的多样化对象和场景提供生成器，包括植物、动物、地形，以及火、云、雨、雪等自然现象。当前对自然的关注是由于观察到哺乳动物的视觉在自然世界中进化。然而，预计Infinigen将随着时间的推移扩展到覆盖建筑环境和人造物体。
3、真实的几何形状：Infinigen针对计算机视觉研究进行了优化，特别是3D视觉。Infinigen不使用bump/normal-maps、全透明度或其他伪造几何细节的技术。Infinigen的所有细微的几何细节都是真实的，确保了精确的3D地面真实性。
4、自动注释：Infinigen可以自动生成各种计算机视觉任务的高质量注释，包括光流、3D场景流、深度、表面法线、全景分割、遮挡边界。因为用户可以完全访问渲染过程，所以注释很容易定制。
Infinigen | Github | #生成器
100%的程序化生成，不需要外部资产，也不依赖AI。并且是免费开源的。生成质量非常高，可以说达到以假乱真的地步！甚至是花瓣上的皱纹都可定制
Infinigen由普林斯顿视觉和学习实验室开发，Infinigen的主要特性和功能包括：
1、程序化：Infinigen是一个程序生成器，它完全使用随机的数学规则来创建所有的形状和材料，从宏观结构到微观细节。Infinigen可以创建无限的变化。用户可以通过覆盖随机化的默认参数来完全控制资产的生成。
2、多样化：Infinigen为自然世界中的多样化对象和场景提供生成器，包括植物、动物、地形，以及火、云、雨、雪等自然现象。当前对自然的关注是由于观察到哺乳动物的视觉在自然世界中进化。然而，预计Infinigen将随着时间的推移扩展到覆盖建筑环境和人造物体。
3、真实的几何形状：Infinigen针对计算机视觉研究进行了优化，特别是3D视觉。Infinigen不使用bump/normal-maps、全透明度或其他伪造几何细节的技术。Infinigen的所有细微的几何细节都是真实的，确保了精确的3D地面真实性。
4、自动注释：Infinigen可以自动生成各种计算机视觉任务的高质量注释，包括光流、3D场景流、深度、表面法线、全景分割、遮挡边界。因为用户可以完全访问渲染过程，所以注释很容易定制。
Infinigen | Github | #生成器
