最强AI图片编辑，Flux-Kontext-Nunchaku加速版整合包，仅需6G显存，10s出图，解压即用！支持加载Lora模型、两张图片编辑，支持50系显卡

开源AI配音神器喂饭新教程！字幕配音，长文本多角色配音轻松搞定！

【请珍惜开源】仔细阅读简介是对作者最基本的尊重。请认真看完教程和内置文档再提问，不要给自己和其他人带来不必要的麻烦！ 本视频为翻新版的教程，所演示的功能全都是往期视频内出现过的，不包含任何新功能。 内容概要：单角色配音（API启动；预设保存；自动语速；重新抽卡；查找替换），多角色配音（角色保存；角色分配；多人剧本；批量替换角色；字幕导出模板），其他功能和设置（导出字幕等） Srt-AI-Voice-Assistant是一个配音辅助工具，可调用多个AI-TTS为你的字幕或文本文件配音。并提供包括字幕识别、翻译在内的多种便捷的辅助功能。特性:✅ 代码开源，界面友好，本地运行，可局域网访问✅ 支持多个TTS项目：BV2,GSV,CosyVoice2,AzureTTS（通过补丁还可以兼容indexTTS和F5），以及你可以自定义API!✅ 保存个性化设置和预设 ✅ 批量模式 ✅ 字幕编辑 ✅ 字幕批量翻译 ✅ 单句重新抽卡 ✅ 支持多角色配音 ✅ 字幕重新导出 ✅ 扩展功能：音视频字幕转录 ✅ I18n 开源仓库链接： https://github.com/YYuX-1145/Srt-AI-Voice-Assistant 注意：下载的可执行文件和整合包不允许二次分发！解压密码： bilibili@数列解析几何一生之敌 云端镜像教程：BV1pjMqz1E3V 整合包下载和使用：BV1DJF6eHE4y 在线体验：BV1FQ7pzZEmq 本地版下载链接： 1.（仅本体）Github仓库，见上 2.（整合包）HF：https://huggingface.co/YYuX/GPT-SoVITS-SAVA-windows-package/tree/main 3.（本体和整合包）度盘： 链接：https://pan.baidu.com/s/1s704or0MCr3klnPZNxSraw?pwd=1145  提取码：1145 4.（整合包）夸克：https://pan.quark.cn/s/8486a105462e 看了视频却还是不会使用？不知道解压密码？前往https://mall.bilibili.com/neul-next/detailuniversal/detail.html?isMerchant=1&page=detailuniversal_detail&saleType=10&itemsId=11828954&loadingShow=1&noTitleBar=1&msource=merchant_share

从秒级诊断到毫米级手术！智慧医疗，AI重塑未来医院→

宝藏小众AI软件，一键自动完成一对多vlookup，消灭excel函数!!!

最新的下Zai 方式我放在这里啦：https://3734f285-d54b-4541-8e7c-062266714bf9.filesusr.com/archives/e1be99_5e58b3ce88ed4a019e1e5b76af1e08c1.zip?dn=LagramTable%E4%B8%AD%E6%96%87%E5%AE%89%E8%A3%85%E5%8C%85-1.0.6.zip

米系博主爆粗：怒喷天工计划

……后来，他们对我发起了“洪水计划”。 就事论事，此人一贯猛黑自主狂恰烂饭（还假装没恰上），我早就塞进黑名单了。 （绝不是因为外貌气质谈吐啥的哦！） 是他主动硬蹭、污言秽语，一个视频多次谩骂咱们大伙都是“垃圾”…… 但我不想也没空“回击”这种假装理中客实则污秽不堪之辈，只是理性评论让“大家欣赏一下”。 我断定他很快就会趁热恰我“赏”的这口“饭”，看个热闹就好，大家千万千万不要自掉身价，去跟他们对线， 输赢都没面子——这就是他们的“强大”之处。

AI编程闯进决赛！亚马逊云峰会我们来啦~

上上个视频我们做的AI应用进入1000AIdea决赛啦，也因此获得了一个去亚马逊云峰会现场观摩学习的机会，我也第一次在峰会上分享自己玩AI两年以来的小小见解。这次在线下见到了很多远道而来的粉丝，非常感谢大家！下次再见。

遥遥领先啪啪打脸 第二季

【CVPR2025】即插即用｜LSNet：颠覆认知！模仿人眼视觉的LSNet，让CV模型性能起飞！

今天将给大家分享的是一种全新的视觉网络设计理念。视频最后还有论文总结，带你快速掌握重点，一定要坚持看到最后哦！该研究从人眼视觉特性中获得灵感，提出了名为LSNet的轻量化视觉网络。核心在于其提出的LS卷积，LS卷积遵循“See Large Focus Small”策略，即“大视野感知，小范围聚焦”，旨在模仿人眼视觉系统的工作方式。人眼通过周边视觉“See Large”，快速捕捉场景的全局信息，再利用中央视觉“Focus Small”，精准关注细节特征。LS卷积正是模拟了这一过程，它由两部分组成：大核感知和小核聚合。大核感知负责捕捉图像的整体上下文信息，利用大尺寸卷积核，快速获取图像全局特征；小核聚合则专注于局部细节的精确提取，通过小尺寸卷积核，精准聚合局部信息。相较于传统卷积，这种设计使得网络既能把握全局，又能关注细节，显著提升特征表达能力。LS卷积能高效地提取判别性视觉模式，使得模型在处理复杂视觉信息时更为出色。LS卷积通过精心设计的深度可分离卷积和分组机制实现高效计算，保证了在轻量化的同时不损失性能。该研究将LS卷积作为基本操作单元，构建了LSNet轻量级模型。实验结果表明，LSNet在多个视觉任务中均优于现有轻量级网络。其通用性和高效性使其在视觉任务中具有广泛的应用前景，为轻量化网络设计提供了新的思路。欢迎在评论区留下你的看法！

DeepSeek更新后又又又强了！长文档一键生成PPT，自动出数据图表

免费无限制AI聊天，你是否在为开发者跑路而担心？不如来试试酒馆SillyTavern吧！

-

维权+科普！我的声音被“偷走“之后...