生成

OceanDoc

OceanDoc是科大讯飞推出的AI智能办公工具,基于大语言模型和自然语言处理技术,可自动将文本转化为高质量PPT幻灯片,并提供设计建议、多语言翻译、语音控制、AI图像生成等功能。适用于办公、教育、企业等多种场景,简化演示文稿制作流程,提升效率与专业性。

麦当秀MindShow

MindShow是一款在线AI PPT生成和演示工具,它能够帮助用户快速创建高质量的演示文档。通过结合定制算法和智能设计能力,用户可以将想法和内容高效地转化为专业的PPT演示文稿。MindShow支持从多种格式的文档导入内容,并提供智能文档翻译功能,用户可以轻松生成多语言演示文档。其主要功能包括一键智能生成PPT、自动设计图片、多格式导入支持、智能文档翻译、丰富的模板和主题以及在线协作编辑。

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...

Codestral

Codestral是由Mistral AI开发的一款代码生成AI模型,支持超过80种编程语言,具备强大的代码补全、生成、测试和文档生成等功能。该模型拥有220亿参数和32k的上下文窗口,性能优越,适用于软件开发中的多种场景,包括代码编写、测试、重构和文档生成等。支持MNPL许可,主要用于非商业用途的研究和测试。

ARTalk

ARTalk是由东京大学与日本理化学研究所联合开发的语音驱动3D头部动画生成框架,基于自回归模型实现实时、高同步性的唇部动作和自然表情生成。它通过多尺度运动码本和滑动时间窗口技术提升动画质量,并引入风格编码器实现个性化风格适配。该工具在唇部同步、表情自然性和风格一致性方面优于现有技术,适用于虚拟现实、游戏开发、动画制作及人机交互等领域。

PixVerse V3

PixVerse V3是一款由爱诗科技开发的AI视频生成工具,具备创意模板、口型匹配、风格转换等多模态生成能力。其核心功能包括精准的提示词理解、高质量视频生成、多种视频比例支持以及风格化功能升级。新增的口型适配功能和8个创意效果模板进一步丰富了应用场景,适用于社交媒体、广告营销、教育、影视及游戏开发等领域。

Motion Dreamer

Motion Dreamer是由香港科技大学(广州)研发的视频生成框架,采用两阶段架构生成物理合理的视频内容。通过引入“实例流”实现从稀疏到密集的运动控制,支持用户以少量提示生成时间连贯的视频。其随机掩码训练策略增强了模型的推理能力与泛化性能,已在多个数据集上验证其优越性。适用于视频创作、动画制作、VR/AR及自动驾驶等多个领域。

Playground v3

Playground v3是一款基于大型语言模型(LLM)的文本到图像生成工具,具备240亿参数量的潜扩散架构(LDM),能够精准理解和生成复杂的图像内容,支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持,广泛应用于设计、内容创作、游戏开发、广告等多个领域。

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。