AI-GitHub，分享GitHub上有趣、实用的AI开源项目。

小编为大家梳理了本周最受大家欢迎的GitHub项目。

有生成视频、图像、音乐AI黑科技；有解放打工人的各种AI工具，还有各种图片处理的新技术，真是让人目不暇接，一起来看看吧~

一、创意生成系列

1、真人视频秒变动漫脸！VToonify打破次元壁！

上传一个自拍视频，再选一个风格画的类型，就可以生成一个卡通化的人脸视频。VToonify这个开源项目目前已有多达数十种肖像风格，并且支持高分辨率，是很多人喜欢的玩法。

该项目在风格控制的灵活性、生成视频的质量、时间上的连贯性等方面都有着出色的表现。

体验地址：https://huggingface.co/spaces/PKUWilliamYang/VToonify 

开源地址：https://github.com/williamyang1991/VToonify 

项目主页：https://www.mmlab-ntu.com/project/vtoonify

2、Animate Anyone——让照片起舞！

Animate Anyone是阿里巴巴旗下研究院发布的动画制作AI软件。

Animate Anyone能够自动生成角色、场景、动作等动画元素，并将其组合成完整的动画作品，用户只需提供一些简单的参数即可。这大大降低了动画制作的难度，让动画制作变得更加简单。

体验地址：https://humanaigc.github.io/animate-anyone/

github地址：https://github.com/HumanAIGC/AnimateAnyone

3、扩展文生图模型生成动画的框架-AnimateDiff

AnimateDiff是由上海人工智能实验室、香港中文大学和斯坦福大学的研究人员推出的一款将个性化的文本到图像模型扩展为动画生成器的框架，其核心在于它能够利用从大规模视频数据集中学习到的运动先验知识，可以作为 Stable Diffusion 文生图模型的插件，允许用户将静态图像转换为动态动画。该框架的目的是简化动画生成的过程，使得用户能够通过文本描述来控制动画的内容和风格，而无需进行特定的模型调优。

体验地址：https://huggingface.co/spaces/guoyww/AnimateDiff 

开源地址：https://github.com/guoyww/animatediff 

项目主页：https://animatediff.github.io

4、AI Comic Factory——实现创作梦想，小白也能成为漫画大师！

AI Comic Factory是一个基于Hugging Face平台的免费开源在线AI漫画生成工具，使用LLM和SDXL开发。

用户只需输入文字描述提示词，AI就能生成精美的漫画作品，包括角色和细腻的表情。它支持用户设计漫画书的页面，并提供了多种风格选择。让每个人都可以轻松创作出独一无二的漫画风格照片。

如果你梦想成为一名漫画家，却缺乏绘画能力。现在，人工智能将为你轻松实现梦想！

项目地址：https://huggingface.co/spaces/jbilcke-hf/ai-comic-factory

5、 PixArt-\Sigma——支持4K图像生成！华为将DiT构架引入开源绘画！

华为近日发布了一项名为 PixArt-\Sigma 的图像生成模型，该模型采用了 DiT 架构，可以直接生成4K 分辨率的图像。

相比于其前身 PixArt-\alpha，PixArt-\Sigma 的进步主要体现在两个方面:高质量的训练数据和高效的 Token 压缩。PixArt-\Sigma 结合了更高质量的图像数据，配对更精确和详细的图像标题，同时在 DiT 框架内提出了一个新的注意力模块，可以压缩键（Key）和值(Value)，显著提高效率，促进超高分辨率图像的生成。

PixArt-\Sigma 生成 4K 图像的能力支持创建高分辨率海报和壁纸,有效地增强了电影和游戏等行业中高质量视觉内容的制作。

项目地址：https://pixart-alpha.github.io/PixArt-sigma-project/

论文地址:https://arxiv.org/pdf/2403.04692.pdf

6、StickerBaker——一键百变贴纸！

StickerBaker 是一个开源的AI贴纸制作工具，利用人工智能技术来制作各种有趣的贴纸。用户只要输入简单的文字提示，马上可以生成一个精美的贴纸，甚至可以批量生产。这个工具易于使用，适合那些希望在虚拟世界中创造和分享独特图像的用户。

体验地址1：https://stickerbaker.com 

体验地址2：https://replicate.com/fofr/sticker-maker 

开源地址：https://github.com/cbh123/stickerbaker

7、bark——开源的文字转语音的AI项目！

bark模型来自一家专门从事音频人工智能研发的公司suno，它能够生成高度逼真的多语言语音以及其他音频，包括音乐、背景噪音和简单的音效。此外，该模型还可以产生非语言交流，例如笑声、叹息和哭泣等，效果接近真人的表现。自推出以来备受关注，目前已经在GitHub上获得了超过2.5万赞。尽管试用过程中可能会有一些金属音的问题，但相对于其他音频模型而言，其效果有了显著提升。

开源地址：https://github.com/suno-ai/bark

8、AutoPiano——在线开音乐盲盒！键盘也能玩转几十种乐器！

用电脑来弹钢琴，已经不是新鲜事物了，但这个项目凭借新奇的技术和优秀的体验杀出了。

自由钢琴(AutoPiano)是利用HTML5技术开发的在线钢琴应用，致力于为钢琴爱好者、音乐爱好者提供一个优雅、简洁的平台。高音立式钢琴、原音钢琴、大钢琴、八音盒、木琴、口琴，各种音色静待你的选择。

可以自由发挥，创作乐谱；可以通过教学功能，根据曲谱来演奏；即便不懂乐理知识，输入文字乱弹也能发现盲盒惊喜。

项目地址：https://github.com/AutoPiano/AutoPiano

体验网址：http://www.autopiano.cn/

二、实用工具系列

1、Outfit Anyone——电商网购好助手！

Outfit Anyone只需要一张人物照片和服装照片，就可以为不同的姿势和身体形状创建高质量的虚拟试穿。

这个模型可以自动识别服装和人物的特征，如形状、纹理、颜色、光照等，并且可以根据人物的姿势和背景，合理地调整服装的位置和大小，使之与人物的身体完美地贴合。

可以应用的场景包括在线购物、社交媒体、游戏、电影等。

体验地址：https://humanaigc.github.io/outfit-anyone/

体验地址：https://huggingface.co/spaces/HumanAIGC/OutfitAnyone

github地址：https://github.com/HumanAIGC/OutfitAnyone

2、AnyDoor——一键换衣！取代真人模特！

AnyDoor是一款先进的扩散图像生成器，其核心能力在于能够将任何对象，无论是人物、动物还是物品，无缝集成到新的图像或视频场景中。

点两下鼠标，就能把物体无缝「传送」到照片场景中，光线角度和透视也能自动适应。有了它，网购衣服也可以直接看上身效果了。

开源地址：https://github.com/ali-vilab/AnyDoor

3、SalesGPT——最佳AI 销售代理！

SalesGPT能够与潜在客户进行自然对话，模拟经验丰富的销售专业人员的话术，并根据谈话内容动态调整，并在合适的情况下外呼真人销售。

该存储库使用 LLM 的上下文感知 AI Agent for Sales 实现，可以跨语音、电子邮件和短信（SMS、WhatsApp、微信、微博、Telegram 等）工作。

开源地址：https://github.com/filip-michalsky/SalesGPT?tab=readme-ov-file

4、Moondream——一键识图！可以在任何地方运行的微型视觉语言模型！

Moondream是一个免费开源的小型的人工智能视觉语言模型，该模型具有高性能的视觉处理能力，可以根据你的提问，识别并推测图片，给出答案。该模型由开发人员vikhyatk推出，使用SigLP、Phi-1.5和LLaVa训练数据集和模型权重初始化进行构建。

Moondream具有惊人的小体量，可在本地计算机甚至移动设备或 Raspberry Pi 上运行。

GitHub地址：https://github.com/vikhyat/moondream

5、NotesGPT——简单免费的语音笔记工具 ！

NotesGPT利用最新的AI技术为笔记记录、学习和创作提供智能支持。它的交互简单，提供一个语音输入按钮，几秒内完成语音记录、转写、内容总结和任务生成等功能。该工具可广泛用于创意写作、完成句子或提供建议等。既适合学习者，也适合于提高工作与创造力效率的专业人士。

官网地址：https://usenotesgpt.com/

Github地址：https://github.com/Nutlope/notesGPT

三、图片处理系列

1、RMBG v1.4——免费一键抠图！商业级背景去除模型！

RMBG-1.4号称开源界最强大的一键抠图、去除背景模型。它可以有效对前景与背景进行分离。

这个模型经过在精心挑选的数据集上的训练，包括各种库存图像、电子商务、游戏和广告内容，所以非常适合用于支持大规模企业内容创建的用途。该方案达到了商业级性能，但仅限于非商业用途。

体验地址：https://huggingface.co/spaces/briaai/BRIA-RMBG-1.4

开源地址：https://huggingface.co/briaai/RMBG-1.4

2、 PULSE——马赛克“脑补”算法，助你图片模糊变高清！

PULSE是一种超分辨率算法，通过潜在空间探索进行照片上采样，以生成高分辨率和超现实图像。

该算法可以在几秒钟内，把 16x16 像素的低分辨率小图，放大 64 倍，变成 1024 x 1024 像素的高分辨率图像，并且会“想象”出一些原本不存在的特征，即使是原本 LR 照片中无法看到的细节，比如毛孔、细纹、睫毛和胡茬等。

说白了，PULSE 生成的高清图片，是「脑补」出来的，与真实的人脸照片可能存在差别。

开源地址：https://github.com/adamian98/pulse?tab=readme-ov-file

3、Upscayl——一键放大！告别图片模糊，马赛克！

Upscayl同样是一款开源AI图像处理软件，它通过使用高级的AI 模型来升级低分辨率图像，使得模糊的图片即使放大也同样清晰，软件采用 Linux-First 理念构建，易于操作，支持批处理，提供多种放大类型，包括REAL-ESRGAN和DIGITAL ART。可在Windows、Mac和Linux上运用（但需GPU支持）

开源地址：https://github.com/upscayl/upscayl

官网地址：https://upscayl.org

4、Inpaint Anything ——重绘万物，一键物体移除、内容填补、场景替换！

Inpaint Anything 可以在图像、视频和 3D 场景中绘制任何东西！

用户可以通过单击图像中的任何对象来选择它。凭借强大的视觉模型，例如 SAM、LaMa 和稳定扩散 （SD），Inpaint Anything 能够平滑地去除物体（即去除任何东西）。此外，在用户输入文本的提示下，Inpaint Anything 可以用任何所需的内容填充对象（即填充任何内容）或任意替换对象的背景（即替换任何内容）。

Inpaint Anything揭示了「可组合人工智能」（Composable AI）的无限潜力，更多的功能正在路上，敬请期待~

体验地址：https://huggingface.co/spaces/InpaintAI/Inpaint-Anything

开源地址：https://github.com/geekyutao/Inpaint-Anything

以上就是本周的热点汇总了，有你感兴趣的项目吗？赶快去试试吧！

你对哪些方面感兴趣呢？欢迎在评论区留言噢~

关注AI-GitHub，获取前沿AI资讯。