视频

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。

GAS

GAS是一种从单张图像生成高质量、视角一致且时间连贯虚拟形象的AI工具,结合3D人体重建与扩散模型技术,支持多视角合成与动态姿态动画。其统一框架提升模型泛化能力,适用于游戏、影视、体育及时尚等领域,具备高保真度与真实感。

DiTCtrl

DiTCtrl是一种基于多模态扩散变换器架构的视频生成工具,能够利用多个文本提示生成连贯且高质量的视频内容,无需额外训练即可实现零样本多提示视频生成。它通过KV共享和潜在混合策略优化不同提示间的平滑过渡,同时在MPVBench基准上表现出色,适用于电影、游戏、广告及新闻等多个领域。

cre8tiveAI

Cre8tiveAI 是一款基于深度学习的人工智能平台,提供一系列创新工具,用于图像和视频的编辑与优化。其主要功能包括提高分辨率、优化人脸、生成个性化插图、人像裁剪、静态图像转动态视频等。适用于社交媒体内容创作、电子商务、广告营销、设计插画等多个领域,支持从个人用户到团队协作的不同需求。

phenaki

phenaki一种从文本生成视频的模型,提示可以随时间变化,视频可以长达数分钟。

喜讯

一个简单易用的内容付费、知识付费平台,一切你认为有价值的内容都可以成为付费内容。

PixVerse V3.5

PixVerse V3.5是一款基于AI技术的视频生成工具,具备超高速视频生成、动漫效果自定义、高清画质输出及首尾帧平滑过渡等功能。它通过优化运动控制和细节表现,为用户提供流畅且精准的视频制作体验,适用于社交媒体内容创作及各类节日主题视频设计。

Elmo Chat

Elmo Chat 是一款基于 AI 技术的浏览器扩展工具,支持网页、视频、PDF 等多种格式的内容摘要、实时问答、关键词提取及多语言翻译功能。无需注册即可使用,注重用户隐私保护,适用于学习、办公、视频处理及多语言信息获取等场景,提升信息处理效率与便捷性。

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。