Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

哪些AI可以实现，把视频中的人声换成另外一个人的

Answer

以下是一些可以实现把视频中的人声换成另外一个人的 AI 工具和技术：

  1. Voice-Swap 推出的 Stem-Swap 工具：这是一个基于浏览器的工具，允许用户从完全混音的曲目中轻松快速地更改人声。它可以将歌曲分成四部分，隔离人声，并将其转换为其他歌手的声音。用户可以从授权歌手名单中选择新声音，并下载完整混音或各个音轨。链接：https://www.voice-swap.ai/
  2. 深度伪造技术：利用 AI 程序和深度学习算法实现音视频模拟和伪造，投入深度学习的内容库越大，合成的视音频真实性越高。
  3. 粉丝通过 Stems 音轨分离工具将人声与原始歌曲分离，再使用人声转换模型（如 Diff-SVC）将人声转换成另一位明星的风格，然后将新的人声轨道与原始作品重新拼接在一起。
  4. ViggleAI：由一支 15 人团队打造，核心能力是将视频中的角色替换成其他形象。其视频工具背后依赖自家训练的 3D 视频模型「JST-1」，能够根据一张角色图片生成 360 度角色动画，可以进行更可控的视频生成。目前支持 Discord 访问和网页版访问，Discord 平台已经积累了超 400 万用户。网页版访问：https://www.viggle.ai/ 官方推特：https://x.com/ViggleAI
Content generated by AI large model, please carefully verify (powered by aily)

References

AI 音乐 | 3.2 资讯

作者：叮当不是机器猫｜分享AI音乐动态，探索AI与音乐的无限可能！公众号：智音Brook 2024-03-02 21:40广东原文：https://mp.weixin.qq.com/s/q1TqyzJao8Z2YJYVK2s_VQ[heading3]目录[heading3]Voice-Swap推出Stem-Swap，可重塑混音曲目的人声[heading3]SALMONN：语音音频语言音乐开放神经网络[heading3]LAIVE：AI生成器乐曲目、歌词和人声一体[heading3]Combobulator：用AI合成技术重塑音乐创作界限[heading3]Vocs AI：您的免费人工智能语音生成器和转换器[heading3]Voice-Swap推出Stem-Swap，可重塑混音曲目的人声[content][videoplayback(4).mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/CEYXbCuDIoKYLKxVYCPcpCXontb?allow_redirect=1)链接：https://www.voice-swap.ai/Voice-Swap推出了Stem-Swap工具，允许用户从完全混音的曲目中轻松快速地更改人声。这个基于浏览器的工具可以将歌曲分成四部分，隔离人声，并将其转换为其他歌手的声音。用户可以从授权歌手名单中选择新声音，并下载完整混音或各个音轨。这一功能预计将开启前所未有的创意和合作新途径。

AI 语音合成

所谓深度伪造技术（deepfakes），是一种利用AI程序和深度学习算法实现音视频模拟和伪造的技术，投入深度学习的内容库越大，合成的视音频真实性越高，甚至可以达到以假乱真的程度。[heading2]AI翻唱[content]粉丝们会通过Stems音轨分离工具将人声与原始歌曲分离，再使用人声转换模型将人声转换成另一位明星的风格，然后将新的人声轨道与原始作品重新拼接在一起。Diff-SVC就是一种特别流行的用于此目的的语音传输模型。

AI视频爆发式更新- 近半年闭源产品趋势

Viggle由一支15人团队打造，创始人是一位在多家知名公司工作过的华人AI研究员。该产品核心能力是将视频中的角色替换成其他形象，类似之前介绍过的WonderDynamics和阿里全民舞王。此前小丑模仿说唱歌手在夏季音乐节上蹦跳的视频火出了圈，并有多个视频在社媒传播形成了新的Meme Trend。Viggle的视频工具背后依赖自家训练的3D视频模型「JST-1」，能够根据一张角色图片生成360度角色动画，可以进行更可控的视频生成。目前Viggle支持Discord访问和网页版访问，Discord平台已经积累了超400w用户。网页版访问：https://www.viggle.ai/官方推特：https://x.com/ViggleAI[heading3]Move：使图像角色移动，原始图像背景保持不变[content]和Mix的区别是，该模式更擅长将特定角色融入到某个动作场景中，大火的小丑视频可以看出，Viggle的视频生成稳定性、角色前后一致性非常强。用用户输入的新角色覆盖原有运动轨迹，并做到了动作、表情的高度还原。[xG2lRryQwt9rslvq.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/DIzJbDA7uoMFH5xs26bc2XJ1nPg?allow_redirect=1)By AIWarper

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
音频去人声
以下是一些关于音频去人声的相关信息： ：可以从歌曲中移除人声并分离鼓点、贝斯和其他乐器。 ：使用 AI 工具移除音轨，转换为 MIDI，并创建高质量的混音和混搭。 在游戏 PV《追光者》的制作中，利用了一款分离人声的 AI 软件，能够将人声从背景音乐中分离出来，并对一些游戏宣传的音乐进行了人声去除和剪辑处理。 在基于 Sovits 的声音训练及推理中，去混响可通过增加减少和伪影平滑的数值来调整效果，以耳朵为准，预听感受效果合适后渲染应用到整首歌。去杂音方面，对于非主人公的声音，如一次性出现的掌声、笑声、欢呼声，选中对应音轨右键渲染静音即可；重复出现且有一定相似性的，可选中查找类似后右键静音。若杂音和主音柔和在一起无法智能提取，一种思路是直接去掉这段主音，若精益求精，可使用 ripx 软件精修，该软件交互体验优秀，基本不需要教程，左右键点一点音轨图形就知道怎么做，把杂音的音轨删除，主音的音轨可剪切然后导出，所有声音导出成 wav 格式。
2025-04-11
你可以将人声录入到歌曲中吗
可以将人声录入到歌曲中。以下为您介绍几种相关的方法和注意事项： 在剪映中，您可以选择人声歌曲或纯音乐。如果选择人声歌曲，需要填入歌词，您可以自己写或者让 AI 帮忙写。比如通过智能歌词按钮，输入简单的词语给 AI 提示来写作歌词。 即梦 AI 发布的“数字人口型大师模式”能自动识别歌曲里的人声，但目前最长支持 15 秒的音乐匹配，需要手工把音乐截断成 15 秒以内的片段，然后再做剪辑。同时要注意即梦 AI 存在一些成功率和效果方面的问题，比如表情随机、手个别情况下会崩坏、多人同时唱时对图片质量有要求、不能上传名人肖像等。 Udio 不会使用艺术家的声音生成歌曲，在幕后风格参考会被一组相关标签替换。在文本输入下方，有两种类型的建议标签可点击添加到提示中，您还可以移动插入符号到提示的任何部分来更改完成。
2025-04-08
好用的人声合成AI
以下是一些好用的人声合成 AI 相关内容： 1. 关于 AI 孙燕姿的生成： 推荐归臧写的通俗易懂的教程： 《》 《》 项目主要使用 SoVITSSVC 4.0，可在。 模型使用分为原始声音处理、推理过程和音轨合并三个部分。使用 UVR_v5.5.0 软件处理声音，保留人物的干声。运行整合包的 Web UI 进行声音推理，需将模型文件和配置文件放置正确文件夹下。分割后的素材尽量不要超过显存大小，使用【slicergui】软件进行分割。最终得到的处理好的人声素材可用于训练模型。 2. 深度伪造技术： 深度伪造技术（deepfakes）是利用 AI 程序和深度学习算法实现音视频模拟和伪造的技术，投入深度学习的内容库越大，合成的视音频真实性越高，甚至能以假乱真。 粉丝们会通过 Stems 音轨分离工具将人声与原始歌曲分离，再使用人声转换模型将人声转换成另一位明星的风格，然后将新的人声轨道与原始作品重新拼接在一起。DiffSVC 是一种流行的用于此目的的语音传输模型。 3. 制作 AI 古人骂人视频： 声音克隆： 工具：Fish Audio 操作：准备一段需要克隆的音频（可以是类似屈原的古风声音，或自行录制一段），打开网站 https://fish.audio/zhCN/train/newmodel/ ，上传音频，按照指引完成声音克隆，进入声音库选择需要使用的声音，将生成的文案输入，使用克隆好的声音生成对应的音频文件并下载备用。 视频合成： 工具：Viggle.ai 操作：在网上下载“回答我”的原视频，打开 Viggle.ai 网站（https://viggle.ai/createmix ），登录后上传“回答我”原视频和人物形象图生成新版本视频，预览效果并下载。 视频剪辑： 工具：剪映 操作：打开剪映软件（手机或电脑版均可），导入合成好的新视频和生成的音频文件，将音频与视频时间轴对齐，添加字幕等，如需叠加特殊背景，可导入自己的背景图（如楚国风景），预览整个视频，检查效果并微调后导出最终视频。 请注意版权问题，请勿侵犯他人音乐版权。
2025-03-24
AI克隆人声软件
以下为一些常见的 AI 克隆人声软件及相关操作步骤： Fish Audio： 1. 准备一段需要克隆的音频（可以是类似屈原的古风声音，或自行录制一段）。 2. 打开网站：https://fish.audio/zhCN/train/newmodel/ 。 3. 上传准备好的音频，按照指引完成声音克隆。 4. 进入声音库选择需要使用的声音，将第一步生成的文案输入，使用克隆好的声音生成对应的音频文件。 5. 下载生成的音频文件备用。 此外，还有以下相关信息： Elevenlabs.io 、speechify.com 等也可用于声音克隆。 可以在 Heygen 等网站自助购买服务，低成本制作自己的数字人分身。 在视频合成方面，可使用 Viggle.ai 网站，操作如下： 1. 在网上下载“回答我”的原视频。 2. 打开 Viggle.ai 网站，登录后进入视频合成功能（https://viggle.ai/createmix ）。 3. 上传“回答我”原视频和第二步生成的人物形象图，生成新版本的“回答我”视频。 4. 预览效果，满意后下载合成好的新视频。 视频剪辑可使用剪映软件，步骤为： 1. 打开剪映软件（手机或电脑版均可）。 2. 导入合成好的新视频和生成的音频文件。 3. 将音频与视频时间轴对齐，确保声音和画面同步，添加字幕等。 4. 如需叠加特殊背景，可以导入自己的背景图（如楚国风景）。 5. 预览整个视频，检查效果，微调后导出最终视频（建议 MP4 格式）。
2025-03-20
模拟人声方面哪个工具比较好用
以下是一些在模拟人声方面比较好用的工具： 1. Eleven Labs：https://elevenlabs.io/ 这是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 2. Speechify：https://speechify.com/ 这是一款人工智能驱动的文本转语音工具，可作为多种平台的应用使用，能将文本转换为音频文件。 3. Azure AI Speech Studio：https://speech.microsoft.com/portal 提供了支持 100 多种语言和方言的语音转文本和文本转语音功能，还提供了自定义的语音模型。 4. Voicemaker：https://voicemaker.in/ 可将文本转换为各种区域语言的语音，并允许创建自定义语音模型，易于使用。 此外，在制作 AI 短片时，不同工具对画面的处理能力不同，可组合使用。比如，Pixverse 擅长物体滑行运动，Runway 在真实影像方面质感较好，有手部特殊运动的画面可用 Runway 辅助完成，需要人物表情自然的画面可用 Pika 生成。 在创建 AI 伴侣方面，语音方面像 ElevenLabs 这样的产品可以赋予其声音，让您控制年龄、性别和口音。
2025-03-20
将人声转化为各种乐器的AI工具有什么
以下是一些能够将人声转化为各种乐器的 AI 工具： ：为所有人提供开放的语音技术。 ：基于 AI 的语音引擎能够模仿人类语音的情感和韵律。 ：基于 NLP 的最先进文本和音频编辑平台，内置数百种 AI 声音。 ：使用突触技术和脑机接口将想象的声音转化为合成 MIDI 乐器的脑控仪器。 ：为出版商和创作者开发最具吸引力的 AI 语音软件。 ：Wondercraft 使用户能够使用文本转语音技术生成播客。 ：基于生成机器学习模型构建内容创作的未来。 ：从网页仪表板或 VST 插件生成录音室质量的 AI 声音并训练 AI 语音模型。 ：演员优先、数字双重声音由最新的 AI 技术驱动，确保高效、真实和符合伦理。 在前期音频素材准备时，较常用的工具包括： TME Studio：腾讯音乐开发的 AI 音频工具箱，其中常用的是音频分离，可用于将人声和伴奏从歌曲中提取出来。地址：https://y.qq.com/tme_studio/index.html/editor Vocalremover：包含音频分离、变调、BPM 查询等功能，使用较多的是变调和 BPM 查询。建议在准备素材阶段，就将音频调整到所需调，并获取到 BPM。地址：https://vocalremover.org/zh/keybpmfinder 此外，还有一些人工智能音频初创公司在音乐源分离方面表现出色，例如： ：从歌曲中移除人声并分离鼓点、贝斯和其他乐器。 ：使用 AI 工具移除音轨，转换为 MIDI，并创建高质量的混音和混搭！
2025-03-16
更通用一点，更落地一点，主题换成学习AI&LLM吧
以下是关于学习 AI&LLM 的相关知识： 一、AI 相关概念与技术 1. 概念 生成式 AI 生成的内容称为 AIGC。 AI 即人工智能。 2. 机器学习 电脑通过找规律进行学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训小狗。 3. 深度学习 一种参照人脑神经网络和神经元的方法（因有很多层所以叫深度）。 神经网络可用于监督学习、无监督学习、强化学习。 4. 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 5. LLM（大语言模型） 对于生成式 AI，生成图像的扩散模型不是大语言模型。 对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 二、技术里程碑 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。 三、RL 与 LLM 融合的本质与阐释 AI 本质是一堆 scaling law。今天能看到最好的模型规模在 10 的 25 到 26 次方 FLOPs 这种规模，且数量级还会持续增长，算力是必要条件。一个值得被 scale up 的架构是基础，要支持不断加入更多数据。现在“吃”的是 base model 的 scaling law，未来可能会“吃”用户数据源的 scaling law。alignment 也有 scaling law，只要能找到对的数据就能解决。当 next token prediction 足够好时，能够平衡创造性和事实性。多模态数据的引入可推迟数据瓶颈问题，如视频和多模态的卡点解决不了，文本的数据瓶颈就会很关键。在限定问题（如数学或写代码）上，数据相对好生成，通用问题还没有完全的解法，但有探索方向。统计模型没有问题。
2025-03-17
我在用AI辅助学习新概念英语第二册，但是deep seek总是报错，我应该换成什么别的AI呢？
如果您在使用 Deep Seek 辅助学习新概念英语第二册时总是报错，可以考虑换成 Wenxiaobai.com 这个平台。它高速响应，完全免费，支持各种平台使用，与 Deep Seek 官网几乎相同，速度快且稳定性高，最新版本还支持文档与图片分析。
2025-03-12
我想让cursor帮我编程一个能在Android studio编译的Android应用，它的主要功能是接受esp32通过websocket协议发送过来的opus数据，保存opus并把数据转换成wav，再使用sherpa-onnx语音识别成文字。我该使用什么提示词让cursor帮我写出这个Android应用？
很抱歉，目前没有适用于让 Cursor 生成您所需 Android 应用的特定提示词。编写这样一个复杂的 Android 应用需要对 Android 开发、网络通信、音频处理和语音识别等多个领域有深入的了解和专业知识。您可能需要逐步向 Cursor 描述应用的架构、各个模块的功能和实现逻辑，例如先描述如何建立与 ESP32 的 WebSocket 连接，如何接收和处理 Opus 数据，如何进行数据转换以及如何调用 Sherpaonnx 进行语音识别等。但需要注意的是，仅仅依靠提示词让 Cursor 生成完整可用的复杂应用可能具有一定的局限性，建议您在具备相关基础知识的前提下，结合 Cursor 的辅助来逐步完成开发。
2025-03-06
我想让cursor帮我编程一个能在Android studio编译的Android应用，它的主要功能是接受esp32通过websocket协议发送过来的opus数据，保存opus并把数据转换成wav，再使用sherpa-onnx语音识别成文字。我该使用什么提示词让cursor帮我写出这个Android应用？
很抱歉，目前没有关于使用 Cursor 生成您所需的这种特定 Android 应用的提示词的相关内容。一般来说，您可以向 Cursor 提供以下关键信息作为提示词的参考： 1. 明确应用的功能需求，如“编写一个在 Android Studio 中编译的 Android 应用，用于接收 ESP32 通过 WebSocket 协议发送的 Opus 数据，保存 Opus 并转换为 WAV 格式，然后使用 Sherpaonnx 进行语音识别成文字。” 2. 描述应用的技术架构和关键技术点，例如“应用需基于 Android 平台，使用合适的网络库处理 WebSocket 连接，采用有效的数据存储方式保存 Opus 数据，利用特定的音频转换库将 Opus 转换为 WAV，以及集成 Sherpaonnx 语音识别库实现文字转换。” 3. 提及开发环境和工具要求，比如“在 Android Studio 开发环境中，遵循 Android 应用开发规范和最佳实践。” 但需要注意的是，Cursor 生成的代码可能并不完全满足您的需求，还需要您进行进一步的修改和完善。
2025-03-06
你好，我想用ai将一张图片形式的数字表格转换成excel，应该使用哪款模型？
很抱歉，上述提供的内容中没有直接提及将图片形式的数字表格转换成 Excel 可用的具体模型。但您可以尝试以下几种常见的方法和工具： 1. 一些 OCR（光学字符识别）软件，如 ABBYY FineReader、Adobe Acrobat Pro 等，它们通常具有将图片中的表格转换为可编辑文本的功能，然后您可以将其粘贴到 Excel 中进行整理。 2. 在线 OCR 服务，例如百度 OCR、腾讯 OCR 等，操作相对便捷。 3. 某些专门用于表格处理的 AI 工具，您可以通过在相关的技术论坛、社区或专业的软件评价网站上进一步搜索和了解。
2025-02-26
现在国内最好用的文生视频工具是什么，主要专注于一段文字转换成视频，文档字数300字左右，制作出的视频长度在一分钟左右
以下是一些国内好用的文生视频工具： 1. Pika：出色的文本生成视频 AI 工具，擅长动画制作且支持视频编辑。 2. SVD：若熟悉 Stable Diffusion，可安装此最新插件，能在图片基础上生成视频，由 Stability AI 开源。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频功能，但收费。 4. Kaiber：视频转视频 AI，能将原视频转换成各种风格。 5. Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 此外，还有以下工具： 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析并生成素材和文本框架。 2. PixVerse AI：在线 AI 视频生成工具，支持多模态输入转化为视频。 3. Pictory：允许用户提供文本描述生成相应视频内容。 4. VEED.IO：提供 AI 图像和脚本生成器，帮助规划视频内容。 5. 艺映 AI：专注人工智能视频领域，提供文生视频等服务。 国内的还有： 1. Hidreamai：有免费额度，支持文生视频、图生视频，提示词中文、英文均可，能控制运镜等，可生成 5 秒和 15 秒的视频。 2. ETNA：由七火山科技开发，能根据简短文本描述生成 8 15 秒的视频，画质可达 4K，支持中文，时空理解。 您可以根据自己的具体需求和使用场景进行选择。更多的文生视频网站可查看：https://www.waytoagi.com/category/38 。请注意，内容由 AI 大模型生成，请仔细甄别。
2025-01-15
ai视频教学
以下是为您提供的 AI 视频教学相关内容： 1. 第一节回放 AI 编程从入门到精通： 课程安排：19、20、22 和 28 号四天进行 AI 编程教学，周五晚上穿插 AI 视频教学。 视频预告：周五晚上邀请小龙问露露拆解爆火的 AI 视频制作，视频在视频号上有大量转发和播放。 编程工具 tree：整合多种模型，可免费无限量试用，下载需科学上网，Mac 可拖到文件夹安装，推荐注册 GitHub 账号用于代码存储和发布，主界面分为工具区、AI 干活区、右侧功能区等。 网络不稳定处理：网络不稳定时尝试更换节点。 项目克隆与文件夹：每个项目通过在本地新建文件夹来区分，项目运行一轮一轮进行，可新建会话，终端可重开。 GitHub 仓库创建：仓库相当于本地项目，可新建，新建后有地址，可通过多种方式上传。 Python 环境安装：为方便安装提供了安装包，安装时要选特定选项，安装后通过命令确认。 代码生成与修改：在 tree 中输入需求生成代码，可对生成的代码提出修改要求，如添加滑动条、雪花形状、颜色等，修改后审查并接受。 2. AI 视频提示词库： 神秘风 Arcane：Prompt：a robot is walking through a destroyed city,,League of Legends style,game modelling 乐高 Lego：Prompt：a robot is walking through a destroyed city,,lego movie style,bright colours,block building style 模糊背景 Blur Background：Prompt：a robot is walking through a destroyed city,,emphasis on foreground elements,sharp focus,soft background 宫崎骏 Ghibli：Prompt：a robot is walking through a destroyed city,,Spirited Away,Howl's Moving Castle,dreamy colour palette 蒸汽朋克 Steampunk：Prompt：a robot is walking through a destroyed city,,fantasy,gear decoration,brass metal robotics,3d game 印象派 Impressionism：Prompt：a robot is walking through a destroyed city,,big movements
2025-04-20
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
需要做一个自动化出视频的工作流
以下是一个关于自动化出视频工作流的详细介绍： 优势： 全自动化处理，解放双手。 40 秒快速出片，效率提升。 成本低廉，每条仅需 0.0x 元。 输出质量稳定专业。 DeepseekR1 保证文案质量。 还能改进，例如可以加入配套 BGM，让视频更有感染力；增加更丰富的画面内容和转场效果；使用免费节点替代付费插件，进一步降低成本；优化模板样式，支持更多展示形式；增加自动化程度，支持批量处理。 工作流程： 1. 可以在扣子商店体验，建议自己搭建。 2. 工作流调试完成后，加入到智能体中，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 3. 选择发布渠道，重点如飞书多维表格，填写上架信息（为了快速审核，选择仅自己可用），确认发布等待审核，审核通过后即可在多维表格中使用。 4. 创建飞书多维表格，添加相关字段，配置选择“自动更新”，输入相关字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 5. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 6. 全自动视频合成使用多视频融合插件，一键导出成品。但需注意节点产生的视频是异步生成，可能无法马上展现，需耐心等待几秒。 如果您还有其他疑问或需要进一步的帮助，请随时联系。
2025-04-14