《计算机视觉：模型、学习和推理》第 7 章-复杂数据密度建模
目录前言7.1 正态分类模型核心概念完整代码 + 可视化运行效果7.2 隐变量核心概念通俗比喻7.3 期望最大化（EM）核心概念流程图核心逻辑7.4 混合高斯模型（GMM）核心概念7.4.1 混合高斯边缘化7.4.2 基于 EM 的混合模型拟合 完整代码 + 可视化（对比单高斯 vs GMM
音视频
使用 FFmpeg 提取音频的详细指南
FFmpeg 是一个开源的多媒体处理工具，支持视频、音频的编码、解码、转换等多种功能。通过 FFmpeg，提取视频中的音频并保存为各种格式非常简单和高效。这在音视频剪辑、媒体处理、转码等场景中具有广泛的应用。本文将详细讲解如何使用 FFmpeg 提取音频，包括常见的音频格式提取、音频质量调整、高级处理操作等。内容浅显易懂，适合初学者快速掌握。
人工智能：计算机视觉的基础与应用
第十二篇：计算机视觉的基础与应用
学习目标💡 理解计算机视觉的基本概念和重要性
💡 掌握计算机视觉中的图像处理技术、特征提取方法、常用模型与架构
💡 学会使用计算机视觉库（OpenCV、PIL、PyTorch、TensorFlow）进行图像处理、特征提取和模型训练
💡 理解图像分类、目标检测
FramePack V2版 - 支持首尾帧生成，支持LoRA，支持批量，支持50系显卡，一个强大的AI视频生成软件 本地一键整合包下载
FramePack 是斯坦福大学主导开发的视频生成框架，是一种用于视频生成的下一帧（下一帧部分）预测神经网络结构，可以逐步生成视频。FramePack 主要开发者之一，就是业内大名鼎鼎的张吕敏大佬，AI领域的“赛博佛祖”，ControlNet的作者，站内也发布了他的很多项目一键包。 F
B站视频秒转文字，开源神器bili2text
引言在信息爆炸的时代，视频内容已成为知识传播和娱乐的重要载体。Bilibili作为中国领先的视频分享平台，汇聚了海量的教育、娱乐和专业内容。然而，将视频中的语音内容高效转换为可编辑、可搜索的文本，仍然是内容创作者、教育工作者和研究人员面临的挑战。bili2text 是一个开源工具，旨在通过自动化流程实现Bilibili视频到文本
2025年 GitHub 主流开源视频生成模型介绍
Wan 2.1：阿里开源的AI视频生成大模型Wan2.1 是阿里巴巴开源的高性能视频生成模型，凭借技术创新和易用性成为当前AI视频生成领域的标杆工具。其核心特点如下：
SOTA性能表现 Wan2.1 在权威评测榜单VBench中以86.2分综合成绩稳居第一，尤其在视频质量（86.67）、语义理解（
【视频生成模型】通义万相Wan2.1模型本地部署和LoRA微调
目录
1 简介
2 本地部署
2.1 配置环境
2.2 下载模型
3 文生视频
3.1 运行命令
3.2 生成结果
4 图生视频
4.1 运行命令
4.2 生成结果
5 首尾帧生成视频
5.1 运行命令
5.2 生成结果
6 提示词扩展
7 LoRA微调
1 简介通义万相 2.1 在 2025 年 1 月推出，
亲测Paraformer-large镜像，长音频离线识别效果惊艳
亲测Paraformer-large镜像，长音频离线识别效果惊艳最近在处理大量会议录音和讲座音频时，一直在寻找一个稳定、高精度且支持长音频的本地语音识别方案。试过不少工具后，终于找到了这款 Paraformer-large语音识别离线版（带Gradio可视化界面） 镜像，实测下来效果非常惊艳——不仅识别准确率高&#
无需验证手机Sora2也能用！视频生成，创建角色APi接入教程，开发小白也能轻松接入
通知！Sora2最近调整了一波规则，需要绑定手机验证，GrsAi已经完全解决了该问题，提高了视频成功率！
Sora2 A文档看不懂？到底怎么调用啊？可以上传真人创建角色吗？3个不同的api都有什么用？怎么收费？本文将详细介绍GrsAI APi源头供应商
LTX-2.3：开源AI视频生成的新标杆，一个模型同时生成视频和音频
当 AI 视频生成不再是闭源巨头的专利在 AI 视频生成领域，我们见证了太多令人惊艳的 demo，但它们大多藏在闭源的高墙之后。而今天，Lightricks 发布的 LTX-2.3 正在改写这个故事——这是一个完全开源、可本地运行、能同时生成高质量视频和同步音频的基础模型。更重要的是，它不只是一个实验室产物，而是一个真正为生产环
