视频

ContentV

ContentV是字节跳动开源的80亿参数文生视频模型框架,通过替换Stable Diffusion 3.5 Large的2D-VAE为3D-VAE并引入3D位置编码,提升视频生成能力。采用多阶段训练策略和流匹配算法,实现高效训练。支持文本到视频生成、自定义视频参数、风格迁移与融合、视频续写与修改等功能,适用于视频内容创作、游戏开发、VR/AR和特效制作等场景。

千面视频动捕

千面视频动捕是一款融合先进人工智能技术的视频动捕解决方案,专注于将视频中的人体关节二维信息高效转化为三维模型动作数据。此产品简化了传统动画制作中人物动作的创建流程,显...

DressPlay

DressPlay是一款基于AI技术的虚拟试衣应用,支持用户通过上传照片或视频实现服装的虚拟试穿。其核心功能包括虚拟试衣、服装选择、视频换装及个性化调整等。凭借强大的AI算法,DressPlay能精准分析用户身形并生成逼真效果,广泛应用于个人购物、电商平台、内容创作及设计等领域,提升用户体验与商家效率。

mnml.ai

mnml.ai 是一款面向建筑师和室内设计师的 AI 渲染工具,支持将手绘或数字草图快速转换为高质量渲染图,涵盖多种风格和应用场景。其具备 AI 草图转图像、视频制作、渲染增强、风格迁移等功能,操作简便,适合各类用户使用。同时支持文本提示生成设计,提升工作效率与表现力。

Ruyi

Ruyi是一款基于DiT架构的图生视频大模型,支持多分辨率和多时长的视频生成,具有首帧、首尾帧控制、运动幅度调整及镜头方向控制等功能。它通过Casual VAE模块和Diffusion Transformer实现视频数据的压缩与生成,旨在降低动漫和游戏内容的开发周期和成本。目前,Ruyi-Mini-7B版本已开源。

FlagevalMM

FlagEvalMM是一个由北京智源人工智能研究院开发的开源多模态模型评测框架,专注于评估处理文本、图像、视频等多模态任务的模型性能。它支持多种任务和指标,采用解耦评测与推理的设计,提供统一的评测流程,集成丰富模型库并兼容多种后端引擎。该工具适用于学术研究、工业应用、模型开发、教育领域及内容创作等多个场景。

MimicMotion

MimicMotion是一款由腾讯研究团队开发的高质量人类动作视频生成框架。该框架利用置信度感知的姿态引导技术,确保视频帧的高质量和时间上的平滑过渡。通过区域损失放大和手部区域增强,显著减少了图像失真,增强了手部动作的细节表现。该框架还支持长视频生成,通过渐进式潜在融合策略,确保视频生成时的时间连贯性和细节丰富度。

逆象提词

一个短视频生产协作平台,有批量切片,批量加水印,批量字幕,批量混剪等功能,让视频制作更加智能高效,智能精简创作流程,轻松驾驭视频创作!

造作AI助手

造作AI助手是一款集成多种AI功能的创作工具,涵盖智能对话、文案生成、视频脚本创作等领域,适用于内容创作、营销策划及企业服务等多个场景。其核心功能包括文章生成、短视频文案编写、社交媒体内容创作等,为企业提供高效、智能化的解决方案。

TimeSuite

TimeSuite是一种由上海AI Lab开发的框架,专注于提升多模态大型语言模型在长视频理解任务中的表现。它通过引入高效的长视频处理框架、高质量的视频数据集TimePro和Temporal Grounded Caption任务,提升了模型对视频内容的时间感知能力,减少了幻觉风险,并显著提高了长视频问答和时间定位任务的性能。其核心技术包括视频令牌压缩、时间自适应位置编码、U-Net结构及多样化任务