视频
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。
NSFW Detector
NSFW Detector是一款基于深度学习的开源工具，利用Google的`vit-base-patch16-224-in21k`模型，能够在CPU环境中高效检测图像、PDF、视频及压缩包内的不适宜内容。该工具支持API集成与Docker部署，具备多CPU加速特性，可实现快速且安全的本地化内容分类，广泛应用于社交媒体、内容共享平台、企业网络等多个领域。
FlagevalMM
FlagEvalMM是一个由北京智源人工智能研究院开发的开源多模态模型评测框架，专注于评估处理文本、图像、视频等多模态任务的模型性能。它支持多种任务和指标，采用解耦评测与推理的设计，提供统一的评测流程，集成丰富模型库并兼容多种后端引擎。该工具适用于学术研究、工业应用、模型开发、教育领域及内容创作等多个场景。
Generative Omnimatte
Generative Omnimatte 是一种基于 AI 的视频编辑技术，通过其核心模型 Casper 实现视频的多层次分解与编辑。它能够自动分离物体与背景，并支持动态背景处理及多对象场景的精细编辑。主要功能包括视频分层、对象移除、背景替换、Trimask 控制等，广泛应用于电影制作、广告设计、游戏开发及虚拟现实领域。
