生成

EzAudio

EzAudio是一款基于文本到音频(Text-to-Audio, T2A)生成模型,通过优化的扩散变换器架构和高效的数据训练策略,实现了快速生成高质量音频的功能。它支持多种应用场景,如音乐创作、影视后期制作、语音合成等,并具备高保真度和低资源消耗的特点。

Vchoo.ai

一个故事转视频的AI故事短片创作AIGC工具,Vchoo.ai简化从故事创作到视频生成的过程,丰富的故事题材、多元的画面风格、稳定可控的角色和场景,轻松地将故事视觉化。

Gzm Design

一个免费开源的海报设计器,Gzm Design使用最新的Vue3,vite4,TypeScript等主流技术开发,开箱即用。

商汤如影

商汤如影是一款由商汤科技开发的AI数字人视频生成平台,通过先进大模型技术创建高度逼真的数字人形象,应用于教育、金融、营销等领域。平台具备数字人创建、声音克隆、视频生成、自动化数据标注、图片生成、实时互动等功能,并支持多语言及多种服务形式,以满足个性化和专业化的服务需求。

VDraw

VDraw是一款基于AI的信息图表生成工具,可将文本、文档或视频内容快速转换为可视化图形。用户可自定义颜色、字体及品牌元素,支持多格式输入并提供便捷的分享功能。适用于教学、营销、内容创作等领域,提升信息传达效率与视觉效果。

Loong

Loong是一种基于自回归大型语言模型的长视频生成工具,能够生成长达一分钟以上的高质量视频。其核心技术包括统一序列建模、渐进式训练方法及损失重新加权策略,确保生成视频在内容连贯性、动态丰富性和场景过渡上的卓越表现。Loong广泛适用于娱乐、教育、广告等多个领域,助力用户快速生成个性化、专业化的视频内容。

MemenomeLM

MemenomeLM是Brainrot AI推出的AI工具,专为Z世代研究人员设计,可将PDF文档、笔记等资料转化为有趣且互动性强的视频内容。具备多模态理解能力,能用简单语言解释复杂概念并提供现实例子,支持生成多种格式的短视频,如Brainrot Quiz、Yap Dollar等,还可添加搞笑音效、生成图片及选择不同语音。

Fotor AI游戏资产生成器

Fotor AI游戏资产生成器是一个创新的工具,它通过AI技术降低了游戏资产创作的门槛,使得各类游戏开发者都能够快速获得所需的高质量游戏资产。

FantasyID

FantasyID是由阿里巴巴集团与北京邮电大学联合开发的视频生成框架,基于扩散变换器和3D面部几何先验,实现高质量、身份一致的视频生成。其通过多视角增强和分层特征注入技术,提升面部动态表现,同时保持身份稳定性。支持多种应用场景,如虚拟形象、内容创作和数字人交互,具备无需微调的高效生成能力。

PartEdit

PartEdit是一种基于预训练扩散模型的细粒度图像编辑工具,通过优化部分标记实现对图像对象各部分的精准定位与编辑。其采用非二进制掩码和自适应阈值策略,确保编辑内容自然融合,保留原始细节。支持真实图像和多部分同时编辑,无需重新训练模型,适用于艺术设计、影视制作、广告等多个领域。