ElevenLabs 已经提供了由 AI 生成的人声和音乐。现在，它还允许人们为播客、电影或游戏创建音效。新的音效工具可以根据用

ElevenLabs 已经提供了由 AI 生成的人声和音乐。现在，它还允许人们为播客、电影或游戏创建音效。新的音效工具可以根据用户提示生成最长 22 秒的声音，这些声音可以与公司的语音和音乐平台结合使用，并为用户提供至少四种可下载的音频剪辑选项。 该公司表示，他们与股票媒体平台 Shutterstock 合作，建立了一个音频库，并用这些音频片段来训练他们的模型。Shutterstock 已经将其内容库授权给许多 AI 公司，包括 OpenAI、Meta 和 Google。 这些音效是免费使用的，但付费用户可以用生成的音频片段进行商业用途，而免费用户“必须在标题中注明‘’”。ElevenLabs 用户在编写提示时有字符数限制，免费用户每月有 10,000 字符的额度。对于音效，ElevenLabs 在其常见问题页面上表示，如果用户自己设置音频片段的时长，将从配额中每秒扣除 40 个字符。如果使用默认的音频时长，每次提示请求将扣除 200 个字符。 标签: #ElevenLabs #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot

Adobe 透露用于视频的生成式 AI 工具

Adobe 透露用于视频的生成式 AI 工具 Adobe 宣布它计划在其产品 Premiere Pro 和 After Effects 中加入 AI 视频合成工具。新的视频生成式 AI 工具由 Adobe Firefly 提供，Firefly 在上个月推出时是一个图像生成工具，Adobe 拓展了其功能，加入了对视频和音频生成工具的支持。Adobe 称，Firefly for Video 能简化视频特效和编辑工作，能生成背景音轨、生成音效，改变视频中的季节颜色，通过输入文字的方式生成特效，等等。 来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

是一个开源的基于OpenAI Sora模型的文本转视频平台。它提供了一个简单易用的界面,用户只需要输入文本就可以一键生成。平

是一个开源的基于OpenAI Sora模型的文本转视频平台。它提供了一个简单易用的界面,用户只需要输入文本就可以一键生成视频。平台开源免费,支持一键部署。SoraWebui的优点是开源免费、使用简单、部署容易。它可以帮助用户快速便捷地将文本内容转化为视频,节省视频制作时间和成本。 需求人群： "SoraWebui可用于教育、营销、娱乐等多种场景下的视频内容生产。例如教师可以用它将课文转成视频;营销人员可以制作产品介绍视频;娱乐媒体可以自动生成视频新闻等。" 使用场景示例： 教师可以输入课文,生成课文讲解视频 用户可以输入旅游见闻,生成游记视频 游戏玩家可以输入游戏评测,生成游戏评测视频 产品特色：一键文本转视频/自定义视频长度/支持图片上传/支持多语言

阿里又tm 整了个大活，输入图片和音频就可以生成富有表现力的视频，并且嘴型是可以跟声音匹配的。

阿里又tm 整了个大活，输入图片和音频就可以生成富有表现力的视频，并且嘴型是可以跟声音匹配的。 支持多语言、谈话、唱歌以及快语速的适配，这玩意又是一个造假利器，这下可能很多名人真要说“不是我说的，你别瞎说”了。 可以根据输入视频的长度生成任意持续时间的视频。 实现方式： 该方法主要分为两个阶段。第一阶段是“帧编码”阶段，在这个阶段，我们使用 ReferenceNet 来从参考图像和运动帧中提取特征。随后进入“扩散过程”阶段，在这一阶段，一个预先训练好的音频编码器用于处理音频数据的嵌入。此外，面部区域的掩码与多帧的噪声数据结合在一起，用于引导面部图像的生成过程。 紧接着，我们使用 Backbone Network 来执行去噪处理。在 Backbone Network 中，我们运用了两种关键的注意力机制：一种是基于参考图像的“参考注意力（Reference-Attention）”，另一种是基于音频的“音频注意力（Audio-Attention）”。 这两种机制对于确保角色的面部特征保持一致和调整角色的面部运动至关重要。最后，我们还利用了时间模块来调节图像的时间维度，使角色的运动速度得以调整。这些组合在一起构成了我们的整体框架。 项目地址：

阿里又tm 整了个大活，输入图片和音频就可以生成富有表现力的视频，并且嘴型是可以跟声音匹配的。

阿里又tm 整了个大活，输入图片和音频就可以生成富有表现力的视频，并且嘴型是可以跟声音匹配的。 支持多语言、谈话、唱歌以及快语速的适配，这玩意又是一个造假利器，这下可能很多名人真要说“不是我说的，你别瞎说”了。 可以根据输入视频的长度生成任意持续时间的视频。 实现方式： 该方法主要分为两个阶段。第一阶段是“帧编码”阶段，在这个阶段，我们使用 ReferenceNet 来从参考图像和运动帧中提取特征。随后进入“扩散过程”阶段，在这一阶段，一个预先训练好的音频编码器用于处理音频数据的嵌入。此外，面部区域的掩码与多帧的噪声数据结合在一起，用于引导面部图像的生成过程。 紧接着，我们使用 Backbone Network 来执行去噪处理。在 Backbone Network 中，我们运用了两种关键的注意力机制：一种是基于参考图像的“参考注意力（Reference-Attention）”，另一种是基于音频的“音频注意力（Audio-Attention）”。 这两种机制对于确保角色的面部特征保持一致和调整角色的面部运动至关重要。最后，我们还利用了时间模块来调节图像的时间维度，使角色的运动速度得以调整。这些组合在一起构成了我们的整体框架。 项目地址： Invalid media:

Meta 正在为美国的 WhatsApp 用户推出实时 AI 图像生成的测试版。当你开始在与 Meta AI 的聊天中输入文本到

Meta 正在为美国的 WhatsApp 用户推出实时 AI 图像生成的测试版。当你开始在与 Meta AI 的聊天中输入文本到图像的提示时，你会看到随着你添加更多关于你想要创建的内容的细节，图像是如何变化的。 Meta 分享的一个例子中，一个用户输入了提示：“想象一场在火星上的足球比赛。”生成的图像迅速从一个典型的足球运动员变化，展示了一个完整的足球场在火星景观上。如果你有权限访问测试版，你可以通过打开与 Meta AI 的聊天，然后以“想象”这个词开始一个提示，亲自尝试这个功能。 标签: #Meta #WhatsApp #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot