FunASR语音识别转文字软件区分说话人版

这是一个基于 ComfyUI 的 LTX 2.3 音视频同步生成工作流，核心功能是上传一段音频 + 参考图片（可多张图），自动生成与音频内容对应的视频，适合制作人物说话、唱歌等口型同步视频。工作流使用8位量化版ltx2.3模型，显存需求降低...

再和大家分享一个基于 ComfyUI 的 AI 分段提示词图生视频工作流，本工作流主要基于模型LTX2.3和PromptRelay实现。可使用PromptRelay分时段控制生成不同视频画面或合成语音内容。 📌 工作流简介 本工作流是一套基...

电脑用了好几年了，尽管我安装软件从来不主动装到C盘，偶尔也会清理垃圾，但是用的久了，容量也是在慢慢减少。我C盘303G，现在就剩了24G了，已经会影响到系统性能和虚拟内存调度了，已经不能不管了。C盘不装软件的话大多都是缓存，文件太多了，有时...

本次再和大家分享一个视频去字幕水印的comfyui工作流，工作流基于LTX2.3视频生成模型制作。LTX2.3是最新最强的视频生成模型，我前段时间就分享过了，可以看我另一篇文章：https://nuowa.net/2525，comfyui项...

Chatterbox 是由 Resemble AI 开发的开源文本转语音（Text-to-Speech, TTS）模型，支持零样本音色克隆：只需提供一段参考音频（几秒钟的人声），即可模仿该音色朗读任意文本。我基于最新版源码制作了免安装一键启...

对于有的电脑配置比较低或是win7系统等电脑无法使用Mineru情况，可以使用局域网内可运行软件的电脑运行Mineru，然后其它电脑或手机等终端输入IP地址，打开运行软件的IP地址来使用Mineru。 具体用法： 下载局域网版压缩包到本地电...

OmniSVG 是一个基于视觉-语言模型（VLM）的端到端多模态 SVG（可缩放矢量图形）生成框架，由 OpenVGLab 团队开发。该项目能够从文本描述或参考图像生成高质量的 SVG 矢量图形，覆盖从简单图标...

Voice Changer是一款实时 AI 变声工具，允许你通过多种 AI 声音模型（如 RVC 和 Beatrice）实时转换声音。转换延迟更低，是目前社区中最受欢迎的开源实时变声方案之一。 核心特点 1. 实时性 voice-chang...

Studio One 7是一款专业数字音频工作站（DAW）软件，它是音乐制作、混音、母带处理与现场演出一体化的旗舰软件。 ✨ 核心功能 1. AI 智能音轨分离（Stem Separation） AI 驱动的音轨分离功能允许用户将混缩后的音...

MinerU是一款非常热门的PDF、图片、DOCX、PPTX、XLSX转markdown格式软件，转换效果属于同类软件中比较优秀的一个。当前最新版为3.1.11版本，我基于最新版源码制作了免安装一键启动整合包，并做适当优化及修改，详情查看链...