炸裂开源！一周爆涨 18K+ 的 Star！

最新推荐文章于 2024-07-07 23:29:47 发布

深度学习技术前沿

最新推荐文章于 2024-07-07 23:29:47 发布

阅读量115

点赞数

原文链接：https://mp.weixin.qq.com/s?__biz=MzU2NDExMzE5Nw==&mid=2247540716&idx=1&sn=934c3e3727c94fcc966dba4ba1dca962&chksm=fdfb84d3ea3796d0db533e1959d9bd7917c14972f86ab715f2a8c1a0c5267bce0f189ea2df82&scene=126&sessionid=0

版权

来源：Jack Cui

一、ChatTTS-ui

ChatTTS-ui 可以在网页端使用ChatTTS的功能，并提供API接口。

相信不少小伙伴已经关注到这款功能强大的TTS模型了。ChatTTS是一个语音生成模型，用于解决LLM对话任务。目前模型支持中英双语。它可以为对话生成响应，可以被集成到各个应用中。一周就爆涨了 18K+ 的 Star。

ChatTTS 使用了大量数据进行训练，大约有1000万小时的中文和英文数据。不过开源出来的是一个没有那么多数据的版本，因为作者团队使用了大量互联网数据进行训练，如果全部开源，可能会导致一些不必要的麻烦。

我们平时接触到的语音朗读，无非是短视频的小说分享，背景放个地铁跑酷或是解压小视频，生成小说文字的朗读。再有，也就是ChatGPT的这种语音生成。无一例外，我们可以用一个词概括——莫得感情。

而ChatTTS最核心的突破，就是它真的可以生成正常人讲话的语音语调！第一次听的时候，真的愣了一下才反应过来，的确非常真实。另外，你可以通过prompt提示想要的情绪，例如大笑、悲伤，ChatTTS可以生成带情绪，甚至是带笑声的语音。一句话里同时包含中文和英文，也是不在话下。

项目可以直接在本地部署，以下是一个最简单的使用示例：

git clone https://github.com/2noise/ChatTTS
pip install torch ChatTTS

import torch
import ChatTTS
from IPython.display import Audio

chat = ChatTTS.Chat()
chat.load_models()
texts = ["你好，这是一个使用示例！"]
wavs = chat.infer(texts, use_decoder=True)

而这个ui项目则是直接将ChatTTS的功能集成到了网页端，有点类似于SD的WebUI，用户可以直接使用打包好的压缩包一键启动，非常方便。

作者制作了一个简单的用户界面，在界面上你可以很轻松的调试你想控制的参数，随后接入的ChatTTS就会直接帮你生成音频了。

感兴趣的小伙伴，可以自行部署体验一下这个功能强大的模型。

项目地址：

https://github.com/2noise/ChatTTS

https://github.com/jianchang512/ChatTTS-ui

二、Omost

Omost 项目旨在将 LLM 模型的编码能力转换为图像生成能力。主要的作用，仍然是图像生成，但更为精细。

这个项目的取名很有意思，Omost与单词almost同音，意为大体上，几乎。也就是说，只要使用了Omost，你的图像生成大体就完成了。另一层含义来说，"O" 代表 "omni"，与多模态相关。

那么，Omost相比起一般的AI画图，有什么优点呢？我们先来看看这个demo：

提示词大致是：a ragged man wearing a tattered jacket in the nineteenth century.

生成的效果看起来还是挺不错的，但根据这么简单的一个prompt，如何才能生成这么精细的画面？实际上，我们可以在输入中提供很多很多的细节提示，控制Omost制作出我们想要的图像。

这张图上给出了很多细节，可以看到这些细节描述都被呈现在了输出结果图上。Omost允许LLM通过描述图像的不同部分来生成图像，全局描述用于描述整个图像的主题和背景，局部描述用于描述图像中的特定部分或对象。二者结合，我们可以高度精细化控制生成细节。

当前，项目提供三种模型以及它们的量化版本：

omost-llama-3-8b
omost-dolphin-2.9-llama3-8b
omost-phi-3-mini-128k

项目在本地可以直接部署：

git clone https://github.com/lllyasviel/Omost.git
cd Omost
conda create -n omost python=3.10
conda activate omost
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt
python gradio_app.py

不过，作者团队还说到，在部分GPU使用的情况下，项目可能会出现问题，而遇到这种情况，可以直接使用 Huggingface 在线体验。

在线体验地址：

https://huggingface.co/spaces/lllyasviel/Omost

项目地址：

https://github.com/lllyasviel/Omost