视频

YouTube Transcript

YouTube Transcript是一款基于人工智能技术开发的在线工具,主要用于将YouTube视频内容自动转录为文字记录。其主要功能涵盖自动转录、字幕生成、内容分析、关键词监测以及同步滚动等,广泛应用于教育、科研、企业培训及法律合规等领域,极大提升了视频内容的可访问性和分析效率。

海螺视频

MiniMax公司推出的一款基于AI高清视频生成模型abab-video-1技术的视频生成工具,海螺AI视频支持文生视频,最高支持原生1280*720的25fps分辨率,拥有电影感镜头移动效果。

Emote Portrait Alive

阿里巴巴发布的EMO,一种音频驱动的AI肖像视频生成框架。通过输入单一的参考图像和语音音频,Emote Portrait Alive可以生成动态的、表情丰富的肖像视频。

TurboScribe

TurboScribe是一款利用AI技术实现高效音频和视频转录的服务平台,支持98种以上语言的文本转换,具备强大的文件处理能力和多格式兼容性。通过加密技术保障数据安全,提供多样化的成绩单导出选项,并支持说话人识别功能,广泛应用于播客制作、会议记录、学术研究等领域。

分秒帧

分秒帧一站式音视频生产协作平台,提供从在线审片批注、意见收集到成片交付,以及素材和版本管理、项目流程管控等全方位功能。

MMAudio

MMAudio是一款基于多模态联合训练的音频合成工具,通过深度学习技术实现视频到音频、文本到音频的精准转换。它具备强大的同步模块,确保生成的音频与视频帧或文本描述时间轴完全对应,适用于影视制作、游戏开发、虚拟现实等多种场景,极大提升了跨模态数据处理的能力和应用效率。

PAPERCUP

利用人工智能配音,让现有视频内容更快、更经济地走向全球。

VideoTuna

VideoTuna是一款基于AI的开源视频生成工具,支持文本到视频、图像到视频以及文本到图像的转换。它提供预训练、微调和后训练对齐等功能,兼容U-Net和DiT架构,并计划引入3D视频生成能力。VideoTuna旨在简化视频内容创作流程,提升生成质量与可控性,适用于内容创作、电影制作、广告营销、教育培训等多个领域。

VideoWorld

VideoWorld是由北京交通大学、中国科学技术大学与字节跳动合作开发的深度生成模型,能够通过未标注视频数据学习复杂知识,包括规则、推理和规划能力。其核心技术包括自回归视频生成、潜在动态模型(LDM)和逆动态模型(IDM),支持长期推理和跨环境泛化。该模型在围棋和机器人控制任务中表现优异,且具备向自动驾驶、智能监控等场景扩展的潜力。