视频

1. 首页
2. 视频

Faster Whisper

Faster Whisper 是一款基于 OpenAI Whisper 模型的高效语音识别工具，利用 CTranslate2 引擎显著提升转写速度并降低内存消耗。它支持多语言处理，可应用于实时语音转写、视频字幕生成、客户服务、医疗记录等领域。其核心技术包括 8 位量化、语音活动检测（VAD）及模型优化，同时提供灵活的 API 接口供开发者集成。

AI项目与工具 2025年06月12日 30 点赞 0 评论 321 浏览

网易见外工作台

一款转写翻译平台。它有视频翻译、视频转文字、字幕转写、视频转写等多种功能。

字幕配音 2025年06月05日 43 点赞 0 评论 321 浏览

FishAudio

一个在线AI文本转语音合成配音声音克隆平台，以其自然、富有表现力的语音生成技术，为用户带来了前所未有的音频体验。

Ai语音工具 2025年06月05日 76 点赞 0 评论 321 浏览

Rizzle

Rizzle 是一款人工智能视频创作平台，能够将文本、播客和音频内容快速转化为具有专业外观的视频。平台通过与 Getty Images 的合作，提供了超过 5 亿张图片和视频的媒体资源库，使用户能够自定义文本样式、画面比例、背景音乐等元素。其主要功能包括缩略图制作、文本高亮剪辑、地图生成、无面孔视频等，简化了视频制作流程，适用于社交媒体营销、内容创作、教育、产品演示、新闻报道及企业内部沟通等多种应

AI项目与工具 2025年06月12日 27 点赞 0 评论 321 浏览

Medio.cool

Medio.cool是一款面向企业海外市场的AI视频编辑工具，提供视频水印去除、商品翻译、商品解说视频自动生成等功能。它支持多语言翻译，涵盖超过100种国际语言，并能一键下载4K高清原视频，适用于YouTube、TikTok等多个平台，助力企业高效实现全球化推广。

AI项目与工具 2025年06月12日 37 点赞 0 评论 322 浏览

CogVideoX

CogVideoX是由智谱AI开发的开源AI视频生成模型，支持英文提示词生成6秒长、每秒8帧、分辨率为720x480的视频。它具备低显存需求、视频参数定制、3D Causal VAE技术和推理与微调功能。该模型采用基于Transformer的架构和3D Causal Variational Autoencoder技术，支持多阶段训练和自动及人工评估，适用于创意视频制作、教育材料、广告、游戏、电影编

AI项目与工具 2025年06月12日 55 点赞 0 评论 322 浏览

Pippo

Pippo是由Meta Reality Labs研发的图像到视频生成模型，可基于单张照片生成多视角高清人像视频。采用多视角扩散变换器架构，结合ControlMLP模块与注意力偏差技术，实现更丰富的视角生成和更高的3D一致性。支持高分辨率输出及细节自动补全，适用于虚拟现实、影视制作、游戏开发等多个领域。技术方案涵盖多阶段训练流程，确保生成质量与稳定性。

AI项目与工具 2025年06月12日 38 点赞 0 评论 323 浏览

BAGEL

BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，采用混合变换器专家架构（MoT），通过两个独立编码器捕捉图像的像素级和语义级特征。它能够进行图像与文本融合理解、视频内容理解、文本到图像生成、图像编辑与修改、视频帧预测、三维场景理解与操作、世界导航以及跨模态检索等任务。BAGEL在多模态理解基准测试中表现优异，生成质量接近SD3，并适用于内容创作、三维场景生成、可视化学习和创意广告生成等

AI项目与工具 2025年06月11日 92 点赞 0 评论 323 浏览

EMO2

EMO2是一种由阿里巴巴智能计算研究院开发的音频驱动头像视频生成技术，通过音频输入和静态人像照片生成高质量、富有表现力的动态视频。其核心技术包括音频与手部动作的协同建模、扩散模型生成视频帧，以及高精度音频同步。该工具支持多样化动作生成，适用于虚拟现实、动画制作和跨语言内容创作等场景，具备自然流畅的视觉效果和丰富的应用场景。

AI项目与工具 2025年06月12日 62 点赞 0 评论 323 浏览

幻图AI

幻图AI是一款基于AI技术的免费图像处理工具，支持文生图、图片和视频换脸、换装、头像定制等功能。用户通过简单的操作即可生成高质量的创意图像和视频，广泛应用于社交媒体、电商、广告设计和教育培训等领域，提供高效且个性化的视觉创作体验。

AI项目与工具 2025年06月12日 70 点赞 0 评论 324 浏览