【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，
音视频
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
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。
喜马拉雅xm文件解密工具：解锁音频内容的利器
喜马拉雅xm文件解密工具：解锁音频内容的利器 Ximalaya-XM-Decrypt-v0.1.2.zip项目地址: 项目介绍在数字音频时代，喜马拉雅（Ximalaya）作为国内领先的音频分享平台，为用户提供了海量的音频内容。然而ÿ
CogVideoX - Fun：以 CogVideoX 框架为基，开启无限长 AI 视频生成新时代
目录
引言
一、CogVideoX-Fun简介
二、功能特点
三、技术原理
四、应用场景
结语
引言在人工智能的浪潮中，AI视频生成技术正逐渐成为内容创作的新宠。其中，CogVideoX-Fun作为一款基于CogVideoX的整合包，不仅支持从文字到视频的生成，还拓展了视频分辨率的界限，为创作者提供了更广阔的创
计算机视觉cv2入门之实时手势检测
前边我们已经讲解了使用cv2进行图像预处理以及针对实时视频流文件的操作方法，这里我们通过实时手势检测这一案例来学习和实操一下。大致思路
根据手势的种类以及指定手势图片数量来构建一个自己的手势图片数据集
CNN模型训练手势图片数据集
使用训练好的模型进行实时预测
手势图片数据集的构建 经典的手势图片数据集有很多，但是都比较大，下
Kimi-Audio音频大模型介绍、本地部署与开发
目录一、模型介绍二、模型部署 1、创建工作空间2、下载模型3、下载依赖4、下载模型库 5、下载glm4_tokenizer6、代码编程修改4 月 26 日，Moonshot AI正式宣布推出Kimi-Audio，一款全新的开源音频基础模型，旨在推动音频理解、生成和交互领域的技术进步。这一发布引发了全球AI社区的广泛关注，被认为是多模态AI发展
基于深度学习的多模态人脸情绪识别研究与实现（视频+图像＋语音）
这是一个结合图像和音频的情绪识别系统，从架构、数据准备、模型实现、训练等。包括数据收集、预处理、模型训练、融合方法、部署优化等全流程。确定完整系统的组成部分：数据收集与处理、模型设计与训练、多模态融合、系统集成、部署优化、用户界面等。详细说明，还要给出详细的代码框架和工具。包括如何处理实时数据流，如何同步音频和视频
Qwen2.5-Omni 大模型部署实践（九）：音视频交互中多元知识探讨实践
系列篇章💥
No.
文章
1
Qwen2.5-Omni 大模型部署实践（一）：环境搭建与模型下载
2
Qwen2.5-Omni 大模型部署实践（二）：使用transformers推理实践
3
Qwen2.5-Omni 大模型部署实践（三）：
KrillinAI：视频跨语言传播的一站式AI解决方案
引言在全球内容创作领域，跨语言传播一直是内容创作者面临的巨大挑战。传统的视频本地化流程繁琐，涉及多个环节和工具，不仅耗时耗力，还常常面临质量不稳定的问题。随着大语言模型(LLM)技术的迅猛发展，一款名为KrillinAI的开源工具横空出世，为内容创作者带来了革命性的视频翻译与配音解决方案。本文将深入剖析这款Git
