3个令人兴奋的AI项目,已开源!
大家好,今天继续聊聊科技圈发生的那些事。
一、manga-image-translator
当你作为一名资深二次元,跑遍了论坛,求遍了群友,终于,找到了一份期待已久的漫画资源。
嗯,画面和之前看到的切片差不多,可就是哪不对..
生肉?!可没人说看个漫画还得精通语言啊!看不懂,咋办?
于是,manga-image-translator来了。
正如其名,manga 即日语的漫画, manga-image-translator 是一款开源的图像翻译器,上传图片,它能够识别图像中的文本部分,并将其翻译成你想要的语种。
OCR(Optical Character Recognition),光学字符识别技术。基于这项技术, manga-image-translator 可以通过亮-暗检测的模式,精准的提取出图片中的文字,将其转换成可处理的数据。
manga-image-translator 接入了很多翻译器,将OCR提取出的文字进行翻译。
此外,manga-image-translator 还有去除文本气泡里面内容的功能,方便后续进行编辑美化。当然,在进行文本去除后,manga-image-translator 还会对余下的气泡部分进行修复,保证了视图的美观和完整。
项目地址:
https://githu
b.com/zyddnys/manga-image-translator目前项目已经开源,支持命令行执行和Web服务器执行两种模式。感兴趣的小伙伴可以自己试一试。
想必,开发团队中难免少不了几个绅士吧。
二、screenshot-to-code
一款将屏幕截图转换成代码的开源工具。
通过截取屏幕图像,screen-to-shot 工具可以识别出代码的页面布局,生成HTML、CSS、Javascript 等常用的代码,同时还能预览代码实现的效果。
透过这个功能,似乎就像是 screen-to-shot 帮我们戴上一副透视眼镜。仅仅根据截图,我们就能透过图像,直接看到背后的代码结构。当然,这背后的工作仍然要交给 AI 。
我们尝试将 Taylor Swift 的 Instagram 个人主页截图下来,并将其上传给 screen-to-shot。
可以看到, screen-to-shot 在很短的时间内就生成了新代码,将 Taylor 的主页以很高的还原度“复制”了下来。
对于 NYTimes 的新闻, screenshot-to-code 也有不错的表现。
单看这两个示例,我们可以发现,抛开选用的图像,只谈页面布局的话,说不上是一模一样,但 screen-to-shot 至少能给出相似且舒服的代码,实现类似的布局效果。
在项目的主页上,作者团队声明使用了以下的AI大模型:
GPT4-Vision Claude 3 Sonnet DALL-E
工具主要使用 GPT4-Vision 生成代码,而 Claude 3 Sonnet 用于辅助(在某些输入情况下,它比 GPT4-Vision 性能更好),并使用 DALL-E 生成图像。
目前 screenshot-to-code 有两种使用方式。一种是在作者团队的网站上在线使用,需要付费。
地址:https://screenshottocode.com
另一种是本地部署。
项目地址:
https://github.com/abi/screenshot-to-code
除了上传截图生成代码外,工具同样支持输入网页URL在线获取截图。项目已开源,可以自己部署进行体验。
三、OMG
国产团队开发的项目。简单来说,就是可以支持换脸生成。
OMG 支持 civitai.com 上的角色和风格 LoRA 。它还可以与 InstantID 组合用于多个 ID ,每个 ID 使用一个图像。
我们可以来看看作者团队给出的四种示例。
OMG + LoRA
LoRA 是 Stable Diffusion 模型的插件网络,在 SD 模型的基础上进行精细的微调。
OMG + InstantID
InstantID 的特点,就是可以在保持高保真度的同时,支持各种不同风格的图像生成。它能够根据一张人脸图像,生成多种风格的图像。
OMG + ControlNet
同样是 SD 模型的插件之一。可以输入一些调节图像指导图像的生成,在几种不同的方法下控制图片的布局,例如边缘图、深度图、分割图、法线图等等。
OMG + style LoRAs
更换了几种不同的风格。
项目地址:
https://github.com/kongzhecn/omg
项目已经开源,可以根据自己的需要,自由选择想要的方法进行体验。
微信扫码关注该文公众号作者