FaceChain

微软发布了DragNUWA 1.5版本，用户可以在图像上画出对应方向的箭头标记。在通过图像生成视频之前，这些标记可以用来指导镜头的运动方向。

由 Tohrusky 开发的一款图像超分辨率技术，它可以以更高的分辨率和质量重构图像。

1,100 多种语言推出语音转文本、文本转语音等功能，语音转文本的错误率只有 Whisper 的一半

由清华大学交叉信息科学研究院研发的一款生成模型。它的特点是可以通过少量步骤推理合成高分辨率图像，使图像生成速度提升 2-5 倍，需要的算力也更少。

一个公共的GitHub代码库，用于在GPU或CPU上从任何地方运行具有gradio用户界面的Llama 2

一个功能强大且易于使用的视频翻译和配音工具，适用于需要翻译视频或为视频添加不同语言配音的人们。