图像

Gemini

Gemini是Google DeepMind推出的全新AI模型,集成了多模态推理功能,超越了以往模型的性能,适用于科学文献洞察、竞争性编程等多种应用场景。

Omni Reference

Omni Reference 是 Midjourney V7 提供的一项图像生成辅助功能,允许用户将特定人物、物体或场景嵌入生成图像中。通过 `--oref` 和 `--ow` 参数,用户可灵活控制参考图像的权重与风格融合程度,提升创作精度与多样性。支持 Web 和 Discord 两种平台操作,适用于角色嵌入、产品展示、场景构建等多种应用场景。

designtools.ai

DesignTools.ai 是一个集成了多种 AI 技术的专业设计平台,专为 UI 和 UX 设计师量身打造。它提供了包括 UI/UX 工具、配色方案生成、图像处理、排版设计、市场营销工具以及生产力提升工具在内的全面服务。通过这些功能,设计师可以更高效地完成各种设计任务,包括生成高质量的产品图像、创建 3D 模型、制定营销内容以及优化日常工作流程。

OpenDream

Opendream.ai 是一个可让您在 AI 的帮助下创建令人惊叹的图像网站,您可以使用它在短短几秒钟内生成艺术、logo、设计等。

ImgCreator AI

Imgcreator AI,一款强大而灵活的在线图片生成工具,您只需在输入框中输入您想要转化为图像的文本。

Cal AI

Cal AI是一款基于AI技术的营养分析工具,通过图像识别技术分析食物的卡路里和营养成分。它支持多样的输入方式,包括拍照、条形码扫描和手动输入,并允许用户修正AI分析结果以提升准确性。Cal AI可生成个性化的饮食计划,适用于体重管理、健康饮食、健身规划及特殊人群如孕妇、哺乳期女性和糖尿病患者的营养需求。

Janus

Janus是一种由DeepSeek AI开发的自回归框架,专注于多模态理解和生成任务的统一化。它通过分离视觉编码路径并使用单一Transformer架构来提升灵活性和性能,支持多种输入模态如图像、文本等,并在某些任务中表现出色。Janus具备多模态理解、图像生成及跨模态交互能力,适用于图像创作、自动标注、视觉问答等多个领域。

Voyage Multimodal

Voyage Multimodal-3 是一款多模态嵌入模型,能够处理文本、图像以及它们的混合数据,无需复杂文档解析即可提取关键视觉特征。它在多模态检索任务中的准确率显著高于现有最佳模型,支持语义搜索和文档理解,适用于法律、金融、医疗等多个领域的复杂文档检索任务。

Lumiere

谷歌研究院开发的基于空间时间的文本到视频扩散模型。采用了创新的空间时间U-Net架构,能够一次性生成整个视频的时间长度,确保了生成视频的连贯性和逼真度。

VideoDrafter

一个高质量视频生成的开放式扩散模型,相比之前的生成视频模型,VideoDrafter最大的特点是能在主体不变的基础上,一次性生成多个场景的视频。