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。

JoggAI

JoggAI是一款基于AI技术的头像生成工具,可根据文本描述创建个性化的写实或卡通风格头像,并支持动态表情与动作。用户可通过简单操作自定义面部特征、服装、背景等细节,适用于社交媒体、数字营销、游戏开发及教育等多个领域,具备高度灵活性与易用性。

Openart

Openart是一个在线AI绘画艺术图片生成器工具,让用户可以利用人工智能(AI)来创造和编辑图像。无论用户是艺术家、设计师、作家、游戏开发者还是市场营销人员,都可以在Openart上...

CogVideo

目前最大的通用领域文本生成视频预训练模型,含94亿参数。CogVideo将预训练文本到图像生成模型(CogView2)有效地利用到文本到视频生成模型,并使用了多帧率分层训练策略。

misgif

misgif是一款基于AI的创意工具,通过面部替换技术将用户照片融入热门GIF、影视片段中,生成个性化表情包和视频。它支持多平台操作,拥有丰富的媒体库和强大的编辑功能,适合个人娱乐、社交媒体内容创作及品牌营销推广,同时提升群聊互动趣味性。

Raphael AI

一款基于 ​​FLUX.1-Dev 模型​​ 的免费 AI 图像生成工具,主打 ​​无需注册、无限生成、隐私保护​​ 等特点,适合个人创作者和企业使用。

ConsisID

ConsisID是一款由北京大学和鹏城实验室开发的文本到视频生成工具,其核心技术在于通过频率分解保持视频中人物身份的一致性。该模型具备高质量视频生成能力、无需微调的特点以及强大的可编辑性,同时拥有优秀的泛化性能。其主要功能包括身份保持、高质量视频生成、文本驱动编辑以及跨领域人物处理,广泛应用于个性化娱乐、虚拟主播、影视制作、游戏开发及教育模拟等领域。

OmniTalker

OmniTalker 是一款由阿里巴巴开发的实时多模态交互技术,支持文本、图像、音频和视频的同步处理,并能生成自然流畅的语音响应。其核心技术包括 Thinker-Talker 架构和 TMRoPE 时间对齐技术,实现音视频精准同步与高效流式处理。适用于智能语音助手、内容创作、教育、客服及工业质检等场景,具有高实时性与稳定性。

Scenario AI

Scenario AI是一家专门为游戏开发者和游戏艺术家创建生成式AI引擎的软件开发公司。借助 Scenario,您可以使用自己的数据和样式为游戏生成一致且高质量的 2D 素材。

AI推理模型有哪些?13个支持深度思考的推理模型

本文介绍了13款支持深度思考的AI推理模型,涵盖数学、代码、自然语言推理等多个领域。这些模型通过强化学习和大数据分析,能够高效处理复杂问题,提供精准的决策支持。部分模型具备多模态处理能力、透明推理过程及开源特性,适用于不同应用场景,如教育、医疗和科研等。