视频

StreamRAG

一个视频搜索和流媒体代理工具,能让您在 ChatGPT 中与您的视频库聊天并观看视频流。

Metaview

Metaview是一款利用人工智能技术的面试摘要工具,可自动记录和整理面试内容,生成结构化摘要,帮助招聘团队高效处理候选人信息。其核心功能包括关键信息提取、模板定制、数据安全保护以及与主流招聘系统的无缝集成,广泛应用于大规模招聘、远程面试和技术岗位筛选等场景。

Pexels

一个免费可商用的图片和无水印视频下载的大型素材网站

千盒工具

一个免费在线工具网站,提供各类简洁好用的优质在线工具。包含图片压缩、图片格式转换、图片编辑识别、视频工具、音频工具、文本工具、数字工具、开发工具、单位转换等

MultiFoley

MultiFoley是一款基于多模态控制的音效生成系统,能够根据文本、音频或视频输入生成与视频同步的高质量Foley声音效果。它支持文本驱动和音频驱动的音效生成,同时具备音频扩展和质量控制功能,广泛应用于电影、游戏、动画及虚拟现实等领域,为用户提供灵活且高效的声音设计解决方案。

Kive

Kive是一个基于AI技术的创意内容生成平台,帮助品牌和创作者快速生成、管理和扩展符合品牌形象的视觉内容。用户通过文字描述即可生成高质量的图片和视频,支持将真实产品图片融入AI生成场景中,提升视觉吸引力。平台提供创意资产管理功能,自动分类和索引视觉资产,提升工作效率。Kive适用于社交媒体内容创作、广告制作、品牌推广、创意设计和产品展示等多种场景。

Outspeed

Outspeed 是一个专注于实时语音和视频 AI 应用开发的平台,提供强大的流媒体处理、低延迟推理、即时部署等功能,支持企业级合规标准。其核心特性包括灵活的模型定制、全面的 SDK 支持以及高效的应用监控工具,广泛应用于客户服务、教育、医疗保健、娱乐、安全监控和质量控制等领域。

HumanOmni

HumanOmni 是一款面向人类中心场景的多模态大模型,融合视觉与听觉信息,具备情感识别、面部描述、语音理解等功能。基于大量视频与指令数据训练,采用动态权重调整机制,支持多模态交互与场景理解。适用于影视分析、教育、广告及内容创作等领域,具备良好的可扩展性和灵活性。

AsrTools

AsrTools是一款无需复杂配置的智能语音转文字工具,支持多种音频格式的转换,生成SRT和TXT字幕文件,适用于视频字幕、会议记录、音频转写等多个场景。它具有友好的用户界面、高效的多线程处理能力以及详细的技术文档,旨在为用户提供便捷、准确的语音转文字解决方案。

InvSR

InvSR是一款基于扩散模型逆过程开发的图像超分辨率工具,通过深度噪声预测器和灵活采样机制,从低分辨率图像恢复高质量高分辨率图像。它支持多种应用场景,包括文化遗产保护、视频监控、医疗成像及卫星影像分析,同时兼顾计算效率与性能表现。