2024年，品牌们势必会在直播内容上做更多尝试。
不同于传统的迭代采样过程，CoMoSVC实现了一步采样，即能够在单次操作中完成声音的转换，大大加快了处理速度。同时，它在保持高音质转换的同时，优化了推理速度，确保转换后的音频既自然又忠实于目标歌手的风格。
然后，HandRefiner采用条件修补方法来处理识别出的问题手部。它生成一个深度图，其中包含了关于手部形状和位置的重要信息。这个深度图被用作指导，通过ControlNet集成到扩散模型中。最后，HandRefiner将重新画好的手部放回原来的画作中，替换掉原本画错的手，而其他部分保持不动，保持了原画的风格和内容。
2️⃣ GPT-engineer 🧪
2、LLaVA、CogAgent和BakLLaVA是三种具有极大潜力的开源视觉语言模型。