2024年将是实时扩散应用的一年。
有人说这是一场有话题无销量、费钱费力的直播。据新抖数据统计，当天“ZARA”预估带货25万-50万元之间，累计直播观看人次121万。相比其他动辄破亿的品牌直播，这个成绩不算惊艳。
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
视频翻译配音这个工具不但支持语音自动生成字幕，而且还提供多种配音选择，同时支持多种翻译引擎，让用户在生成配音前对字幕进行修改。使用方便，无需复杂的操作，让用户能够轻松完成视频翻译和配音的任务。
支持多种翻译引擎: 集成了多种翻译引擎，包括Google、ChatGPT、DeepL、Baidu、DeepLX、Gemini、Tencent等，确保用户能够选择适用于其项目的最佳翻译引擎。