AI项目与工具

MVDrag3D

MVDrag3D

MVDrag3D是一种先进的3D编辑框架，具备多视图一致性编辑、3D高斯重建、视图对齐及视觉质量增强等功能。它能够处理复杂的拓扑变化并支持多样化的3D表示，适用于游戏开发、虚拟现实、增强现实以及计算机辅助设计等领域，展现了强大的生成性和灵活性。
AI项目与工具 2025年06月12日
Aqua Voice

Aqua Voice

Aqua Voice 是一款AI驱动的语音转录与文档编辑工具，支持语音转文字、自然语言指令编辑、自动格式优化及多语言处理。它适用于高效写作、辅助输入及跨平台办公场景，兼容多种主流应用，提升文本创作效率与准确性。
AI项目与工具 2025年06月11日
Bing Video Creator

Bing Video Creator

Bing Video Creator是微软推出的AI视频生成工具，基于OpenAI的Sora模型，用户可通过输入文本描述快速生成5秒短视频。支持9:16格式，提供快速模式和标准模式，初始有10次免费生成机会。功能包括视频生成、多种风格选择、视频存储和分享等，适用于广告、教学、创意和个人娱乐等多种场景。
AI项目与工具 2025年06月11日
YT Navigator

YT Navigator

YT Navigator 是一款基于 AI 的 YouTube 内容检索工具，支持自然语言查询、语义搜索和视频内容交互。用户可快速定位视频片段并获取时间戳，提升信息获取效率。适用于研究、学习、创作和分析等场景，具备频道管理、安全会话等功能。采用向量嵌入与 BM25 算法结合的搜索机制，提高搜索准确率，项目已开源。
AI项目与工具 2025年06月12日
VideoFusion

VideoFusion

VideoFusion 是一款开源的短视频处理工具，支持自动去除黑边、水印和字幕，智能旋转视频方向，提升画质，并兼容多种视频格式。具备批量处理、自定义设置和实时进度反馈功能，适用于视频创作者、自媒体运营及企业等多场景应用。
AI项目与工具 2025年06月12日
Bark

Bark

Bark是一款开源的文本到音频转换模型，由Suno AI开发，能够生成逼真的多语言语音及多种音频类型，包括音乐和背景噪音，并支持非语言交流的声音。该模型提供预训练模型，适用于研究和商业用途。其主要功能涵盖文本到音频转换、多语言支持、音频多样性和非语言交流模拟。Bark在多语言内容创作、音频内容生成和非语言交流场景中具有广泛应用。
AI项目与工具 2025年06月12日
Shakker

Shakker

Shakker 是一款基于 AI 技术的图像生成与编辑平台，提供 Stable Diffusion 模型支持，具备图像局部修改、合成、背景去除、动作调整等功能。支持多种风格图像生成，包括动漫、肖像及表情包制作。适用于设计师、艺术家及游戏开发者，提供直观的操作界面，广泛应用于社交媒体营销、数字艺术创作及个性化礼物定制等领域。
AI项目与工具 2025年06月12日
Mureka

Mureka

Mureka是一款由昆仑万维开发的AI音乐创作平台，旨在为专业艺术家和音乐爱好者提供高效、稳定的音乐创作环境。用户可以输入歌词并添加参考音乐，通过平台提供的Style功能控制音乐风格，实现个性化音乐创作。平台支持音乐风格和旋律控制，以及对歌曲各部分的自由调整，如前奏、主歌、副歌等。生成的音乐具有高度稳定性和可控性，用户可将其展示和销售，获得经济收益。Mureka还支持多语言音乐创作，涵盖多种语言，
AI项目与工具 2025年06月12日
TripoSR

TripoSR

TripoSR是一款由Stability AI与VAST联合开发的开源3D生成模型，能够在不到0.5秒内从单张2D图像生成高质量的3D模型。基于Transformer架构和大型重建模型（LRM）设计，采用先进的图像编码、三平面NeRF表示及优化训练策略，支持无GPU设备运行。适用于游戏开发、影视制作、建筑设计、产品设计等多个领域，具有高效、高精度和广泛适用性的特点。
AI项目与工具 2025年06月12日
MineWorld

MineWorld

MineWorld是由微软研究院开发的基于《我的世界》的实时交互式AI模型，采用视觉-动作自回归Transformer架构，实现高保真、可控性强的场景生成。通过并行解码算法，模型可在每秒4至7帧的速度下实现实时交互，适用于具身智能、强化学习、游戏代理及视频生成等场景。其核心技术包括图像与动作标记器、Transformer解码器以及优化的训练与推理流程。
AI项目与工具 2025年06月11日