AI项目与工具

FancyVideo

FancyVideo是一款由360公司与中山大学合作开发的AI文生视频模型,采用创新的跨帧文本引导模块(CTGM)。它能够根据文本描述生成连贯且动态丰富的视频内容,支持高分辨率视频输出,并保持时间上的连贯性。作为开源项目,FancyVideo提供了详尽的文档和代码库,便于研究者和开发者深入研究和应用。主要功能包括文本到视频生成、跨帧文本引导、时间信息注入及时间亲和度细化等。

Submagic

Submagic是一款基于人工智能技术的视频编辑工具,专为内容创作者、企业及团队设计。其核心功能包括动态字幕生成、高级B-Roll素材集成、基于文本的剪辑操作及团队协作支持。通过这些功能,Submagic能够显著提升视频制作效率,增强内容的专业性和吸引力,同时支持用户收集反馈以持续优化内容质量。适用场景涵盖社交媒体、商业营销、教育、播客、新闻媒体及产品演示等领域。

在线AI转换

在线AI转换是一个集语音处理与图像优化于一体的AI平台,支持文本转语音、语音转文字、图像去雾、无损放大、黑白上色等功能,操作便捷,适用于多种应用场景,如有声书制作、会议记录、照片修复等,有效提升内容创作与图像处理效率。

xpression camera

Expression Camera是一款结合人工智能技术的虚拟相机应用,能够通过单张照片生成逼真的虚拟形象,涵盖面容、表情和身体动作。支持实时生成、个性化定制、隐私保护及多样化内容创作。用户可在视频会议、直播、在线教育等场景中使用虚拟形象,兼具实用性和娱乐性。

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。

清影

清影2.0是一款基于CogVideoX模型的AI视频生成工具,支持4K超高清视频生成,具备强大文本理解能力与多通道输出功能。集成CogSound模型提供音效匹配,支持任意比例输出,提升创作灵活性。适用于教育、营销、娱乐等多个领域,提供高效、高质量的视频生成服务。

InstantCharacter

InstantCharacter是由腾讯混元开发的图像生成插件,基于扩散 Transformer 架构,支持角色一致性保持、高保真图像生成及文本可控性。用户可通过输入角色图片和文字描述,生成符合要求的多样化图像。其适用于连环画、影视、游戏等多个领域,具有高效、灵活和高质量的特点。

Project Mariner

Project Mariner是一款由谷歌DeepMind研发的浏览器助手工具,依托Gemini 2.0技术实现浏览器自动化。该工具能够解析并操作网页内容,涵盖像素、文本、图像及表单等多种形式的数据,支持复杂任务处理与自动化流程管理。此外,它强调用户体验与安全性,在执行关键操作时需获得用户授权。主要应用场景包括数据整理、在线购物、旅行规划及日常消费等领域。

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。

HippoRAG 2

HippoRAG 2是俄亥俄州立大学开发的检索增强生成框架,旨在提升RAG系统在模拟人类长期记忆方面的表现。它通过个性化PageRank算法、深度段落整合和知识图谱构建,实现高效的多跳推理与上下文感知检索。系统具备持续学习能力,可实时吸收新知识,适用于智能问答、知识管理、教育、医疗及法律金融等领域。