生成

Emu3

Emu3是一款由北京智源人工智能研究院开发的原生多模态世界模型,结合了多模态自回归技术和单一Transformer架构,能够在图像、视频和文本之间实现无缝转换。它不仅能够根据文本生成高质量图像,还能预测视频发展并理解图文内容,广泛应用于内容创作、广告营销、教育、娱乐等多个领域。

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。

VideoCaptioner

VideoCaptioner是一款基于大语言模型的智能字幕处理工具,支持语音识别、字幕优化、翻译、样式调整及视频合成等功能。无需GPU即可运行,兼容多语言和多种字幕格式,适用于视频创作者、教育工作者及字幕翻译团队,提升字幕制作效率与质量。

Dream Machine

Dream Machine是Luma AI开发的AI视频生成模型,能够快速将文本和图像转换为高质量、逼真的视频。Dream Machine可以在120秒内生成120帧视频,具备流畅的运动、电影摄影和戏剧效果。...

Composio

Composio 是一款专为简化 AI 智能体开发和部署设计的辅助工具,支持超过100种集成工具,通过简单的代码调用多种工具和框架。它提供丰富的 API 和插件系统,支持多种身份验证协议,适用于自动化软件开发、内容管理、数据管理等多种场景,帮助开发者构建和管理高效的 AI 智能体。

FunAudioLLM

FunAudioLLM是由阿里巴巴通义实验室开发的开源语音大模型项目,包含SenseVoice和CosyVoice两个子模型。SenseVoice擅长多语言语音识别和情感辨识,支持超过50种语言;CosyVoice则专注于自然语音生成,支持多种语言、音色和情感控制。该项目适用于多语言翻译、情感语音对话等场景,其相关模型和代码已公开发布。

Superflex

Superflex 是一款面向前端开发的 AI 工具,可将 Figma 设计、图片或文字描述快速转换为高质量代码,支持 React、Vue 等主流框架。具备代码风格匹配、智能补全、实时生成等功能,集成于 VSCode,提升开发效率。适用于原型开发、团队协作、竞品模仿及项目重构等多种场景。

Trickle AI

一款基于AI的零代码开发工具,用户可以通过自然语言描述需求,快速生成网页、表单和应用,支持一键部署访问,Trickle适合小商家、创业者、设计师和普通开发者。

HunyuanVideo

HunyuanVideo是一款由腾讯开源的视频生成模型,具备130亿参数量,支持物理模拟、高文本语义还原、动作一致性和电影级画质等功能。它通过时空压缩的潜在空间训练,融合Causal 3D VAE与Transformer架构,实现图像和视频的统一生成,广泛应用于电影制作、音乐视频创作、游戏开发以及教育等领域。