图像

Omages

Omages是一个开源的3D模型生成项目,基于图像扩散技术将3D形状的几何和纹理信息编码到64×64像素的2D图像中。该工具不仅提高了3D对象生成的效率,还在低分辨率下保留丰富的细节。Omages支持3D对象生成、几何和纹理编码、多图谱表示以及自动材质生成等功能。它适用于3D打印与制造、虚拟现实、增强现实、游戏开发、电影和动画制作及室内设计等多种应用场景。

Freepik Mystic

Freepik Mystic是一款由Magnific AI和Freepik合作开发的AI图像生成工具,它能够生成高分辨率(1,664 x 2,432)的全高清图像,涵盖写实肖像、动物、风景、奇幻场景、室内设计、建筑概念、像素艺术、游戏元素和表情包等多种类型。图像由顶尖艺术家策划并经过微调优化,确保高质量输出。用户可以通过Freepik Premium订阅使用该工具,并期待其未来集成到Magnifi

CogView

CogView-3-Plus是智谱AI研发的AI文生图模型,采用Transformer架构替代传统的UNet,优化了扩散模型中的噪声规划。它能够根据用户指令生成高质量、高美学评分的图像,支持多种分辨率,并具有实时生成图像的能力。该模型已被集成到“智谱清言”APP中,并提供API服务,适用于艺术创作、游戏设计、广告制作等多个图像生成领域。

auto

Auto-Video-Generator是一款基于AI的自动解说视频生成工具,能够一键生成解说视频。通过输入主题,系统自动生成解说脚本、合成语音、生成配图并完成视频合成,大幅提高内容创作效率。该工具适用于自媒体、营销、教育、新闻媒体及社交媒体等多个领域,帮助用户快速制作高质量视频。

MUMU

MUMU是一种多模态图像生成模型,通过结合文本提示和参考图像来生成目标图像,提高生成的准确性和质量。该模型基于SDXL的预训练卷积UNet,并融合了视觉语言模型Idefics2的隐藏状态。MUMU能够在风格转换和角色一致性方面展现强大的泛化能力,同时在生成图像时能够很好地保留细节。主要功能包括多模态输入处理、风格转换、角色一致性、细节保留以及条件图像生成。

LLaVA

LLaVA-OneVision是字节跳动开发的开源多模态AI模型,主要功能包括多模态理解、任务迁移、跨场景能力、开源贡献及高性能。该模型采用多模态架构,集成了视觉和语言信息,通过Siglip视觉编码器和Qwen-2语言模型,实现高效特征映射和任务迁移学习。广泛应用于图像和视频分析、内容创作辅助、聊天机器人、教育和培训以及安全监控等领域。

HMoE

HMoE(混合异构专家模型)是腾讯混元团队提出的一种新型神经网络架构,旨在提升大型语言模型的性能和计算效率。通过引入不同规模的专家来处理不同复杂度的输入数据,HMoE增强了模型的专业化程度,并采用了新的训练目标和策略,如P-Penalty Loss,以提高参数利用率和计算效率。HMoE在多个预训练评估基准上表现出色,适用于自然语言处理、内容推荐、语音识别、图像和视频分析以及多模态学习等领域。

CustomCrafter

CustomCrafter是一个由腾讯和浙江大学合作开发的自定义视频生成框架,能够根据文本提示和参考图像生成高质量的个性化视频。该框架支持自定义主体身份和运动模式,具备文本提示生成视频、保留运动生成能力和概念组合能力等功能。其核心技术包括视频扩散模型、空间主题学习模块和动态加权视频采样策略等,广泛应用于影视制作、虚拟现实、游戏开发、广告营销和社交媒体内容创作等领域。

Shutterstock AI

Shutterstock AI是一款由Shutterstock与OpenAI合作开发的AI图像生成与编辑工具。它使用户能够通过简单的描述或文本提示,快速生成高质量、符合伦理标准的图片,适用于商业授权。该工具提供了六大核心功能,包括神奇画笔、变体生成、图像扩展、智能尺寸调整、背景移除以及AI图像生成器,旨在简化图片编辑流程并激发用户的创意灵感。

SpicyChat

SpicyChat是一款面向成人用户的AI聊天应用,提供角色扮演聊天功能,支持用户与超过150,000个聊天机器人互动,并可创建个性化虚拟角色。该平台强调隐私保护,提供安全、无偏见的环境,支持多语言交流,具备AI语音回应及基于对话的图像生成功能,旨在为用户提供深入的情感体验和创意灵感。