AI项目与工具

STIV

STIV是一款由苹果公司开发的视频生成大模型,具有8.7亿参数,擅长文本到视频(T2V)及文本图像到视频(TI2V)任务。它通过联合图像-文本分类器自由引导(JIT-CFG)技术提升生成质量,并结合时空注意力机制、旋转位置编码(RoPE)及流匹配训练目标优化性能。STIV支持多种应用场景,包括视频预测、帧插值、长视频生成等,适用于娱乐、教育、广告及自动驾驶等多个领域。

WonderWorld

WonderWorld是一款基于斯坦福大学和麻省理工学院合作研发的3D场景生成框架,通过Fast LAyered Gaussian Surfels(FLAGS)表示法与引导深度扩散技术,从单张图片快速生成连贯且多样化的虚拟场景。用户可实时交互,生成包括城市、自然、幻想等多种风格的3D环境,并适用于游戏开发、虚拟现实、增强现实以及建筑设计等多个领域。

OmniBooth

OmniBooth是一款由华为诺亚方舟实验室与香港科技大学联合开发的图像生成框架,支持基于文本或图像的多模态指令控制及实例级定制。它通过高维潜在控制信号实现对图像中对象位置和属性的精准操控,具备多模态嵌入提取、空间变形技术以及特征对齐网络等功能,广泛应用于数据集生成、内容创作、游戏开发、虚拟现实及广告营销等领域。

QANDA

QANDA是一款由韩国Mathpresso公司开发的AI学习应用,主要面向学生,提供数学及其他学科的即时解答与详细解析。用户可通过拍照或输入问题,获取分步解答、常见错误提示及个性化辅导。应用还支持多语言、学习数据分析和类似题目推荐,适用于家庭作业、考试复习、日常学习及教学辅助等多种场景,帮助用户提升学习效率和理解能力。

Delta

Delta-CoMe是一种由清华大学NLP实验室牵头研发的增量压缩算法,它通过低秩分解与混合精度量化技术,显著减少了大型语言模型的存储和内存需求,同时保持了模型性能几乎无损。该工具支持多任务处理、推理加速,并广泛适用于云计算、边缘计算及学术研究等领域,特别擅长应对数学、代码和多模态任务。

Tersa

Tersa 是一款开源免费的 AI 工作流构建平台,提供直观的拖放界面,支持 77 个主流 AI 模型,如 GPT-4o、Claude 3.5 Sonnet、DALL-E 3 和 Whisper 等,适用于文本生成、图像视频创作、音频转录和代码优化等多种任务。用户可通过拖放文件快速构建复杂流程,无需编程基础,广泛应用于内容生成、代码审查、原型开发和多模态功能集成等领域。

Kimi i人嘴替

Kimi i人嘴替是一款基于AI技术开发的沟通辅助工具,主要服务于希望改善人际交往能力的用户。其核心功能包括即时文案生成、社交场景应对指导以及心理建设支持等。此外,该工具还能灵活运用网络流行语,让交流过程更加生动有趣。无论是面对日常对话还是复杂的人际挑战,i人嘴替都能提供有效的解决方案。

Flex3D

Flex3D是一款由Meta和牛津大学联合研发的两阶段3D生成框架,通过多视图扩散模型和视图筛选机制生成高质量3D模型,支持从文本、单张图片或稀疏视图生成逼真的3D内容。其核心在于基于Transformer架构的灵活重建模型(FlexRM),结合三平面表示与3D高斯绘制技术,实现高效且详细的三维重建,广泛应用于游戏开发、AR/VR、影视制作等领域。

12个AI短剧创作平台和软件,自动剪辑一键生成视频短片

本文介绍了12款AI短剧创作平台,包括白日梦AI、讯飞绘镜、MOKI、SkyReels、OneStory、AutoShorts.ai、Flow Studio、Showrunner、神笔马良、CoCoClip.AI、Reel.AI和PopShort.AI。这些平台利用AI技术,帮助用户一键生成视频故事短片,支持多种视频风格和类型,从文本到视频转换、智能分镜生成到配音配乐,极大简化了视频创作流程,为创

Solvely.ai

Solvely.ai是一款以AI驱动的数学学习平台,提供从基础到高级数学问题的即时解答,支持文本、图片和截图提问,并具备自动绘图和个性化辅导功能。该平台通过图像识别技术优化学习体验,提供逐步解决方案和互动式学习内容,适用于K-12至高等教育阶段的学生及教师。