基于视觉条件并行去噪的无限长度和高保真虚拟人视频生成框架。
AI-Waifu-Vtuber是一个基于VoiceVox Engine、DeepL、Whisper OpenAI、Seliro TTS和VtubeStudio等技术构建的AI伴侣虚拟YouTuber项目。该项目的功能包括生成具备人工智能语音和表情交互能力的虚拟YouTuber角色，支持在流媒体平台上进行直播并与观众互动。其中，VoiceVox Engine用于实现自然的语音合成，DeepL用于机器翻译，Whisper OpenAI用于自然语言处理和对话生成，Seliro TTS用于将文本转化为自然流畅的语音输出，VtubeStudio用于虚拟YouTuber角色的动作捕捉和控制，使其能够进行逼真的表情和动作交互。
Hallo3 是复旦大学与百度联合开源的高动态与真实感肖像动画生成框架，基于扩散变换器网络(Diffusion Transformer Networks)，能够生成高度动态和逼真的视频。该项目支持处理非正面视角的肖像动画，渲染肖像周围的动态物体，生成沉浸式逼真背景，并具备强大的泛化能力。通过身份参考网络确保视频序列中的面部身份一致，支持语音音频驱动的连续视频生成。
KeypointNeRF通过相对空间编码的关键点，生成多视角的体积化头像，适用于虚拟现实和游戏等领域。
Forge_VFM4AD是关于自动驾驶视觉基础模型的全面调研，涵盖了相关挑战、方法论和未来研究机会。
Studio Neiro AI 是一个生成视频头像的平台，可以创建出具有真实人类特征和微表情的虚拟角色，精准传达品牌脚本或音频演讲内容。用户可以自定义AI头像的声音，以匹配说话者的个性，适用于多种场景。
Aigur.dev 是一个免费的开源库，允许用户组合和调用完全类型化的生成AI管道。用户可以通过声音生成图像，或通过图像创作诗歌！该项目使生成AI的应用场景更加丰富多彩。
Plask是一个基于AI的动作捕捉动画工具，旨在为3D内容创作者提供快速原型制作和动画流程的革命性解决方案。用户可以将视频转换为详细的动画，适用于游戏开发者、动画师和数字艺术家，使高质量3D动画的创作变得简单和高效。
Imagen 2是谷歌最新的文本到图像扩散技术，能够生成高质量、逼真的图像输出，确保与用户的提示紧密对齐和一致。该技术通过深度学习和图像处理算法，提供了卓越的图像生成能力，适用于各种创意和商业用途。
Diarupt允许您在产品中构建基于视频的实时AI交互，使用人性化的头像和真实的声音，能够进行长时间的对话，通过易于使用的API和SDK进行暴露。
SynCHMR 是一种协同方法，通过结合相机轨迹和人体重建，解决深度、比例和动态模糊性问题。它使用人类感知公制 SLAM 进行重建，并学习场景感知的 SMPL 降噪器，以增强时空一致性和动态场景约束。
echomimic_v2 是 echomimic 的升级版本，从数字脸升级到数字人，支持通过输入图像、音频和手势生成高度逼真的数字人。该工具集成了音频处理和手势输入，增强了交互体验，适用于虚拟主播、虚拟助手、教育、娱乐等多种场景。
包含10万个压缩驾驶视频的数据集，用于机器学习研究，可用于GPT视频预测模型的实验，还包含编码器/解码器和视频预测模型示例
SLASH IMAGINE是一个强大的平台，允许开发者通过REST API将Midjourney AI集成到他们的应用中，从而创建专业级的视觉作品，适用于摄影、室内设计、书籍封面等多个领域。
