创作

Opera Neon

Opera Neon是Opera推出的AI Agent浏览器,基于智能Agent技术重新定义浏览器功能。它支持浏览网页、与用户合作完成任务,如研究主题、自动化工作流程和创建内容。核心功能包括聊天、执行任务和创作内容。用户可通过官网加入等待名单,目前处于邀请制。Opera Neon提供多种应用场景,如旅行规划、金融分析、内容创作、教育研究和任务自动化。其功能涵盖即时答案、研究、内容生成、导航网页完成

AIpai

AIpai是一款AI视频创作Agent工具,支持用户快速生成专业视频内容。其主要功能包括智能编剧、角色设计、场景构建、图像生成、视频生成、声音设置和参数调整。用户只需输入文案,AIpai即可自动生成分镜、图像和视频选项,并支持多种风格和参数定制。适用于短视频制作、品牌宣传、个人创作、教育领域和影视制作等多种场景,大幅提升创作效率,降低制作门槛。

Style Art AI

Style Art AI 是一款基于 AI 技术的图像创作工具,结合 ChatGPT 4o 模型与多种艺术风格,可将文字描述或图片快速转换为不同风格的艺术作品。用户只需输入文本或上传图片,设置参数即可生成高质量图像。支持 30 多种风格,包括经典动画、迪士尼、皮克斯等,并提供风格混合、细节优化等功能,适合初学者和专业设计师使用。

OmniConsistency

OmniConsistency 是新加坡国立大学推出的图像风格迁移模型,旨在解决复杂场景下风格化图像的一致性问题。该模型采用两阶段训练策略,将风格学习与一致性学习解耦,并支持与任意风格的 LoRA 模块集成,实现高效且灵活的风格化效果。它在多种风格下保持图像的语义、结构和细节一致性,具备更高的灵活性和泛化能力,在实验中表现出与 GPT-4o 相当的性能。

小云雀

小云雀是剪映推出的智能创作Agent,基于AI技术提供视频、数字人口播视频、设计图和图片换背景等功能。用户只需输入指令,即可高效完成内容创作。核心功能包括智能成片、数字人视频、AI设计和AI换背景,界面简洁易用,操作便捷高效。依托字节跳动的云雀大模型,融合深度学习与多模态技术,具备强大的图像生成与视频编辑能力,适用于短视频创作、数字人口播、设计广告、社交媒体内容及教育培训等场景。

Chatterbox

Chatterbox是Resemble AI推出的开源文本转语音(TTS)模型,基于0.5B规模的LLaMA架构,用超过50万小时精选音频训练。它支持零样本语音克隆,仅需5秒参考音频即可生成高度逼真的个性化语音,并具备情感夸张控制功能,可调节情绪、语速和语调。Chatterbox还拥有超低延迟的实时语音合成能力,延迟低至200毫秒以下,适用于交互式应用。此外,它采用安全水印技术防止滥用,适用于内容

Keevx

Keevx是一款专注于AI数字人视频创作的工具,主要面向海外中小企业和个人创作者。它提供AI智能脚本生成、翻译功能,搭配优质公共人像和模板,支持一键生成营销视频。用户可上传自有脚本,选择数字人形象和语音来制作视频,适用于电商产品展示、员工培训、社交媒体内容创作及品牌宣传等场景。

EVI 3

EVI 3是Hume AI推出的全新语音语言模型,能够同时处理文本和语音标记,实现自然、富有表现力的语音交互。它支持高度个性化,根据用户提示生成任何声音和个性,并实时调节情感和说话风格。在与GPT-4o等模型的对比中,EVI 3在情感理解、表现力、自然度和响应速度等方面表现更优,具备低延迟响应能力,可在300毫秒内生成语音回答。EVI 3适用于智能客服、语音助手、教育辅导、情感支持和内容创作等多个

Mobvoi MCP Server

Mobvoi MCP Server是出门问问推出的一站式AI工具,集成语音生成、声音克隆、图片驱动数字人、视频配音等多模态能力。用户可通过简单输入文本调用功能,支持多客户端和多场景应用。基于标准化接口和开源生态,提供高效、灵活的数字生产力解决方案,适用于内容创作、虚拟主播、在线教育等多个领域。

OmniSync

OmniSync是由中国人民大学、快手科技和清华大学联合开发的通用对口型框架,基于扩散变换器实现视频中人物口型与语音的精准同步。它采用无掩码训练范式,直接编辑视频帧,支持无限时长推理,保持自然面部动态和身份一致性。通过渐进噪声初始化和动态时空分类器自由引导(DS-CFG)机制,提升音频条件下的口型同步效果。OmniSync适用于影视配音、虚拟现实、AI内容生成等多个场景。