生成

图应

图应是一款基于AIGC技术的AI商拍工具,专为电商领域设计,通过AI生成高质量商品图像,支持模特与场景定制,具备智能编辑功能。其应用场景涵盖广告创意、印刷出版、服装时尚等领域,显著提升商业视觉效果,降低拍摄成本并提高效率。

AI Voice Cloning

一个提供超真实的AI语音克隆生成器,只需要3秒的音频样本就可以克隆英语、普通话、日语、韩语等语言的声音,生成与真人无异的逼真语音。

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器,通过结合局部与全局token,提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息,增强细节感知能力。在多个基准测试中表现优异,尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略,提高模型泛化能力,适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

Talefy Ai

AI互动故事生成器,Talefy Ai能够帮助用户轻松创作各种类型的互动故事,将脑海中的故事具象化,并提供沉浸式的故事体验。

Xmind Copilot

Xmind Copilot 是一款结合了 Xmind 思维导图和 GPT 技术的智能化产品。可以帮助用户更高效地整理思路、调整内容结构,并结合 GPT 技术实现自动化生成文章。

HiDream

HiDream-I1是一款由HiDream.ai团队开发的开源AI图像生成模型,具备17亿参数,支持多种图像风格生成,包括真实、卡通和艺术风格。其在提示词理解、细节渲染和图像一致性方面表现出色,适用于艺术创作、商业设计、教育科研等领域。模型采用扩散模型和混合专家架构(MoE),并集成多种文本编码器,实现高质量与高效率的图像生成。项目已在GitHub和HuggingFace开源,便于研究与应用。

Vision Search Assistant

Vision Search Assistant (VSA) 是一种结合视觉语言模型与网络代理的框架,旨在提升模型对未知视觉内容的理解能力。它通过网络检索,使 VLMs 能够处理和回答有关未见图像的问题。VSA 在开放集和封闭集问答测试中表现出色,支持图像描述生成、网络知识搜索、协作生成等功能,可应用于图像识别、新闻分析、教育、电商和旅游等多个领域。

可灵2.0

可灵2.0是快手推出的AI视频生成模型,支持文生视频和图生视频,具备复杂动态生成、动作流畅性和多模态编辑能力。它能根据用户输入的文字或图片生成高质量视频,提升视频的真实感和沉浸感,适用于影视、广告、教育、游戏等领域,提高创作效率与灵活性。

WeShop商拍

WeShop是国内首款AI商拍工具,专注于电商产品图片的智能生成。它旨在帮助品牌商家解决商品图拍摄成本高、模特贵等痛点,同时提供高效且成本效益高的解决方案。

AI大作

AI大作是一款基于人工智能语言分析的AI绘画平台,让文本和图片成为AI绘画艺术作品。