AI项目与工具

I2V

I2V-01-Live是一款基于深度学习技术的图生视频工具,可将静态二维图像转化为动态视频,具有高度流畅的动作表现和多样化的艺术风格适配能力。其核心功能包括动态呈现、动作效果增强及稳定的表情管理,广泛应用于社交媒体、广告营销、动画制作、教育培训以及游戏开发等领域。

TransPixar

TransPixar是由多所高校及研究机构联合开发的开源文本到视频生成工具,基于扩散变换器(DiT)架构,支持生成包含透明度信息的RGBA视频。该技术通过alpha通道生成、LoRA微调和注意力机制优化,实现高质量、多样化的视频内容生成。适用于影视特效、广告制作、教育演示及虚拟现实等多个领域,为视觉内容创作提供高效解决方案。

LatentSync

LatentSync是由字节跳动与北京交通大学联合研发的端到端唇形同步框架,基于音频条件的潜在扩散模型,无需中间3D或2D表示,可生成高分辨率、动态逼真的唇同步视频。其核心技术包括Temporal Representation Alignment (TREPA)方法,提升视频时间一致性,并结合SyncNet监督机制确保唇部动作准确。适用于影视制作、教育、广告、远程会议及游戏开发等多个领域。

Bild AI

Bild AI 是一款面向建筑行业的智能工具,利用人工智能技术解析建筑图纸,自动生成材料清单与成本估算,并检测图纸是否符合建筑规范。它具备蓝图一致性验证、材料统计、合规性审查及智能修正建议等功能,适用于建筑设计、招投标、施工准备及许可证申请等多个环节,提升项目前期工作的效率与准确性。

GigaTok

GigaTok 是一款基于语义正则化的高参数视觉分词器,支持自回归图像生成,具备优异的图像重建与生成能力。通过一维架构和非对称扩展策略,实现高效计算与稳定训练。适用于图像生成、编辑、数据增强及多模态应用,具有广泛的技术拓展性。

Multi

Multi-Speaker 是 AudioShake 推出的高分辨率多说话人分离工具,支持将音频中不同说话人的语音精准分离至独立轨道,适用于广播级音频处理。它具备高保真音频处理能力,支持高采样率,能处理长达数小时的录音,在复杂场景下仍能保持稳定效果。广泛应用于影视、播客、无障碍服务及内容创作等领域,提升音频编辑效率与质量。

Butterflies AI

Butterflies AI是一款支持用户定制个性化AI角色的社交平台。AI角色能够自主发布动态并与用户及其他AI角色互动。该平台允许用户通过定制外观、背景故事和性格来创造独特的虚拟形象,并通过深度社交互动、内容生成和情感交流提供丰富的用户体验。未来,该平台计划探索更多商业模式,并在游戏等领域提供更多元化的社交体验。

Podwise

Podwise 是一款基于人工智能的播客知识管理工具,能够将播客内容转化为结构化的文字、总结和思维导图,帮助用户快速掌握核心信息。它支持全球范围内的播客搜索、多语言处理,并可与多种知识管理工具无缝衔接,适用于学习、研究、商业分析等多个场景。 ---

Filmfotos

Filmfotos是一款基于Flux架构的LoRA模型,专注于模拟和还原胶片质感。其低饱和度的日系胶片风格适用于多种场景,包括人物、风景、静物、食物和动物等,能够提升照片的艺术感和复古氛围。Filmfotos利用LoRA技术、深度学习和图像处理算法,实现高精度的图像生成,适用于摄影爱好者、专业人士及创意工作者。

YAYI

YAYI-Ultra是中科闻歌研发的企业级大语言模型,具备多领域专业能力与多模态内容生成能力,支持数学、代码、金融、中医等领域。模型支持超长文本处理、数据分析、任务规划及联网创作,适用于媒体、医疗、财税等行业。采用混合专家架构,结合指令微调技术,在多项评测中表现优异,提供高效、精准的智能化服务。