图像

Ideogram 2a

Ideogram 2a 是 AI 图像生成平台 Ideogram 推出的文生图模型,基于 Ideogram 2.0 优化升级,具备高效生成、成本降低、高质量文本渲染等特点。支持多种艺术风格和中文提示,适用于平面设计、数字营销、摄影及艺术创作等多个领域,是提升图像创作效率和质量的实用工具。

Umi

Umi-OCR 是一款离线 OCR 工具,支持图片、截图和 PDF 文档的文字识别,具备数学公式与二维码识别功能,可生成可搜索 PDF。支持多语言识别与界面切换,提供命令行和 HTTP 接口调用,适用于文档数字化、数据录入、教育等多个场景。

PNGAI

一个基于Flux 模型构建的免费在线 AI PNG生成工具,可以帮助设计师、艺术家等创作者通过文本描述生成高质量的PNG图像,并且不需要注册就可使用。

Deep Anime

Deep Anime是一款功能强大的应用程序,允许用户将任何照片转换成令人惊叹的动漫场景。

Ola

Ola是一款由多机构联合开发的全模态语言模型,支持文本、图像、视频和音频等多种输入形式。通过渐进式模态对齐策略,逐步扩展模型的多模态理解能力,同时采用流式解码技术提升交互体验。其架构融合多种编码器与解码器,结合局部-全局注意力机制,实现高效多模态处理,在多项任务中表现优异。

右脑科技 | RightBrain

北京右脑科技有限公司(RightBrain AI)是一家专注研发AI图像和视频生成的初创公司, 致力于将AIGC技术应用于图像及视频领域。

Reve Image

Reve Image 是一款基于 AI 的图像生成工具,具备强大的视觉表现力与精准的提示理解能力。支持文生图和图生图模式,适用于广告设计、社交媒体内容创作、艺术创作及产品设计等多种场景。模型在色彩、光影和排版上优化显著,可生成高质量且富有设计感的图像。

MIDI

MIDI是一种基于多实例扩散模型的3D场景生成技术,能将单张2D图像快速转化为高保真度的360度3D场景。它通过智能分割、多实例同步扩散和注意力机制,实现高效的3D建模与细节优化。具有良好的泛化能力,适用于游戏开发、虚拟现实、室内设计及文物数字化等多个领域。

Midlibrary

Midlibrary是为Midjourney用户提供提示词资源的平台,收录了5505种艺术风格、技法和关键词,涵盖风格、特征和类别三大模块,并提供绘画指南。用户可通过标签和搜索功能快速获取创作灵感,提升AI图像生成效率,适用于建筑、时尚、插画、游戏设计等多个领域。

VideoAnydoor

VideoAnydoor是一款由多所高校与研究机构联合开发的视频对象插入系统,基于文本到视频的扩散模型,支持高保真对象插入与精确运动控制。其核心模块包括ID提取器和像素变形器,能实现对象的自然融合与细节保留。该工具适用于影视特效、虚拟试穿、虚拟旅游、教育等多个领域,具备良好的通用性和扩展性。