开源项目
进阶
OpenAI Whisper 语音识别
OpenAI
资源简介
开源通用语音识别模型，支持多语言识别与翻译，一条命令本地运行。
https://github.com/openai/whisper
同类资源
查看多模态与 AIGC全部 →
开源项目
进阶
ComfyUI 官方文档
ComfyUI · 多模态与 AIGC
节点式 Stable Diffusion 工作流工具，文档覆盖安装、工作流示例与自定义节点开发。
官方文档
进阶
Hugging Face Diffusers
Hugging Face · 多模态与 AIGC
Hugging Face 扩散模型库文档，覆盖 Stable Diffusion、ControlNet 与视频生成，代码可运行。
开源项目
入门
Ultralytics YOLO 文档
Ultralytics · 多模态与 AIGC
YOLO 系列目标检测框架官方文档，训练、验证、部署、跟踪一站式，上手极快。
官方文档
入门
Midjourney 官方文档
Midjourney · 多模态与 AIGC
Midjourney 官方文档，覆盖提示词、参数、风格参考与网页编辑器，需订阅使用。
官方文档
入门
阿里通义万相
阿里云 · 多模态与 AIGC
通义万相官方帮助文档，覆盖文生图、风格迁移与 API 调用，新用户有免费额度。
官方课程
进阶
Hugging Face 音频课程
Hugging Face · 多模态与 AIGC
Hugging Face 官方音频课程，覆盖语音识别、分类与文本转语音的实战流程。