视频

1. 首页
2. 视频

DrivingDojo

DrivingDojo是一个由中国科学院自动化研究所与美团无人车团队合作研发的数据集，包含18,000个视频片段，涵盖全面的驾驶操作、多智能体交互及开放世界驾驶知识。它定义了动作指令跟随（AIF）基准，用于评估世界模型的预测能力，并支持自动驾驶算法开发、世界模型训练、多智能体交互模拟及罕见事件处理等多个应用场景。

AI项目与工具 2025年06月12日 85 点赞 0 评论 509 浏览

Transmonkey AI

一款由AI驱动的翻译软件，支持超过 130 种语言，包括英语、中文、日语、阿拉伯语、法语、德语、希伯来语、印尼语等，并能处理文档、视频、图片和音频等各种文件格式。

Ai图片处理 2025年06月05日 90 点赞 0 评论 510 浏览

面试通

面试通是一款基于AI技术的面试辅助工具，专为求职者设计，可实时识别面试官的问题并生成专业回答，提升面试表现。其功能涵盖算法题模式、全自动笔试助手、简历模式和知识库模式，支持多语言面试和视频面试，适用于技术面试、结构化面试等多种场景。

AI项目与工具 2025年06月12日 88 点赞 0 评论 510 浏览

Buzz

Buzz是一款基于OpenAI Whisper模型的离线语音转文字工具，支持实时语音转文字和音频视频文件转录。它具备多语言识别和翻译功能，支持多种格式导出，并能在本地离线操作以保护用户隐私。主要应用于视频字幕制作、采访记录整理、语言学习辅助、会议记录和学术研究等场景。

AI项目与工具 2025年06月12日 10 点赞 0 评论 512 浏览

抖抖侠

抖抖侠，它可以帮助商家更加高效地进行短视频数据运营，并且助力达人数据增长。

数据分析 2025年06月05日 12 点赞 0 评论 512 浏览

TokenFlow

一个利用预训练的文本到图像扩散模型进行视频编辑的框架。它无需进一步训练或微调，即可实现一致的视频编辑效果。

Ai开源项目 2025年06月05日 25 点赞 0 评论 513 浏览

Free Video

Free Video-LLM是一种无需训练的高效视频语言模型，基于提示引导的视觉感知技术，可直接对视频内容进行理解和推理，适用于视频问答、内容分析等多种场景。通过时空采样优化和减少视觉标记，它在保持高性能的同时显著降低了计算复杂度。

AI项目与工具 2025年06月12日 50 点赞 0 评论 513 浏览

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 513 浏览

MinT

MinT是一款基于时间基位置编码技术的多事件视频生成框架，允许用户通过文本提示生成包含多个事件的连贯视频，并支持对事件顺序及持续时间的精确控制。其核心技术ReRoPE使得模型能够有效关联文本提示与视频帧，同时结合预训练的视频扩散变换器（DiT）和大型语言模型（LLM）的提示增强功能，进一步提升了视频生成的质量与丰富度。MinT适用于娱乐、广告、教育等多个领域，为视频创作带来了创新性的解决方案。

AI项目与工具 2025年06月12日 42 点赞 0 评论 513 浏览

Vyond

借助亚马逊云科技的算力，实现高效AI视频生成。Vyond通过输入提示词生成视频的方式，帮助企业快速制作高质量视频。

Ai视频生成 2025年06月05日 92 点赞 0 评论 514 浏览