诺瓦小站

Wan2.2-S2V-14B是阿里通义团队开源的一个视频生成模型，可以通过音频驱动将图片合成为一段人物讲话视频，人物讲话内容就是音频素材内容。同时支持cosyvoice声音克隆的文字转语音合成。 Wan2.2-S2V-14B官方介绍 Wan...

分享另一个热门的PDF文档翻译软件BabelDOC，软件可以将PDF文档由原语言翻译成指定语言文档，基于最新最强在线大语言模型处理能力，文档翻译效果更准确，并保留排版，支持批量文档翻译，我制作了最新版免安装一键启动整合包。 2025-09-...

Faster-whisper距离我上次分享已经过去挺长时间了，而且中间也更新了多次了，看到Faster-whisper昨天刚更新了一下，更新内容有模型更新和处理速度大幅提升，更新内容还是挺重要的，我就做了一个最新版本的一键启动包，同时我对整...

MonkeyOCR是上个月刚发布的一款文档解析工具，可以将PDF文档或图片识别转换为markdown格式文件。官方测试显示性能极佳。我基于当前最新版制作了免安装一键启动整合包，支持批量操作，并降低了显卡要求。 2025-08-28更新至最新...