生成

联通元景

联通元景(UniT2IXL)是一款基于国产昇腾AI平台开发的中文原生文生图模型,具备卓越的中文语义理解和高质量图像生成能力。它通过复合语言编码模块优化中文长文本处理,并利用大量中文图文数据进行预训练,确保信息完整性和生成质量。该模型支持国产化算力环境,适配多种应用场景,包括文物数字化、个性化服装定制、智能家居设计、广告创意生成及在线教育等,为企业提供高效解决方案。

AuraFlow

AuraFlow v0.1是一款由Fal团队开发的开源AI文生图模型,拥有6.8B参数量。该模型通过优化的MMDiT架构提升了计算效率和可扩展性。AuraFlow在生成精确图像方面表现出色,特别是在物体空间构成和色彩表现上具有优势。此外,它采用了最大更新参数化技术,增强了学习率迁移的稳定性。AuraFlow支持文本到图像的生成,适用于艺术创作、媒体内容生成、游戏开发及广告和营销等多种应用场景。

VidTok

VidTok(Video Tokenizer)是一款由微软开发的开源视频处理工具,通过高效的算法将视频内容转化为“视频词”,支持连续与离散分词化,具有灵活的压缩率和多样的隐空间,适用于视频生成、内容建模及数据压缩等场景。其混合模型架构结合卷积与采样模块,辅以有限标量量化技术,实现了高质量视频重建与高效数据处理。

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架,能够将全序列、非因果的被动视频扩散模型(VDM)转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术,解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理,适用于机器人操作、游戏模拟等复杂环境,具有广泛的应用前景。

RepText

RepText是一款由Shakker Labs与Liblib AI联合开发的多语言视觉文本渲染框架,采用字形模仿技术实现高质量文本生成。支持多种语言及复杂排版,具备精准控制、高效兼容和自然融合等特点,广泛应用于平面设计、艺术创作和数字内容生产等领域。

PixVerse

PixVerse是一款短视频制作工具,其基础功能包括文生视频和图生视频。这款工具由国人团队开发,主要面向用户免费开放,支持多模态输入,如图像、文本和音频,能够将这些输入快速转...

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。

MyLens

MyLens是一款AI驱动的可视化工具,支持将文字、数据或想法转化为时间线、思维导图、象限图等多种图表形式。具备多输入格式支持、智能生成和高可定制性,适用于内容创作、商业营销、教育及数据分析等多个场景。用户可根据需求选择不同版本,满足从个人到企业级的多样化需求。

Trickle

Trickle 是一款零代码网页应用开发工具,通过自然语言输入即可快速构建功能完善的网页应用。它支持自动生成前端、后端及数据库,具备一键发布和托管功能。内置图像优化、数据分析和文案生成等 AI 能力,并提供丰富模板库。适用于小商家、创业者、设计师及企业等多种场景,提升开发效率与用户体验。

OpusClip Thumbnail

OpusClip Thumbnail 是 OpusClip 团队推出的免费 AI 缩略图生成工具,专为 YouTube 创作者设计。用户只需粘贴视频链接,AI 会自动分析内容并生成多个高表现力的缩略图选项,无需手动输入提示词。该工具基于顶级创作者的成功模式训练,能理解视频上下文并生成相关缩略图,提供多种变体用于测试,提升点击率和视频表现。