视频
  1. 首页
  2. 视频

列表

Director

Director

Director是一款基于VideoDB的视频智能处理框架，利用自然语言指令实现视频搜索、编辑、合成及生成等功能，同时支持实时流式传输。它提供了聊天式用户界面和预构建的视频代理，便于开发者和创作者快速构建定制化解决方案。此外，Director适用于视频内容管理、编辑、创作以及教育等多个领域，为企业和内容生产者提升工作效率。
AI项目与工具 2025年06月12日
DrivingDojo

DrivingDojo

DrivingDojo是一个由中国科学院自动化研究所与美团无人车团队合作研发的数据集，包含18,000个视频片段，涵盖全面的驾驶操作、多智能体交互及开放世界驾驶知识。它定义了动作指令跟随（AIF）基准，用于评估世界模型的预测能力，并支持自动驾驶算法开发、世界模型训练、多智能体交互模拟及罕见事件处理等多个应用场景。
AI项目与工具 2025年06月12日
PIXMAKER

PIXMAKER

PIXMAKER是一款基于AI技术的图像生成与编辑平台，主要服务于电商行业。其核心功能涵盖AI生成产品背景、虚拟试穿效果、多姿势模特照片生成、动态产品视频制作以及背景移除等。用户无需具备专业设计技能即可快速生成高质量的产品图片和视频，从而提升商品展示效果并促进销售转化。该工具广泛应用于电商、市场营销、时尚服装等多个领域，助力企业高效完成产品视觉内容创作。
AI项目与工具 2025年06月12日
Gemini 2.0

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。
AI项目与工具 2025年06月12日
书生·万象InternVL 2.5

书生·万象InternVL 2.5

书生·万象InternVL 2.5是一款开源多模态大型语言模型，基于InternVL 2.0升级而来。它涵盖了从1B到78B不同规模的模型，支持多种应用场景，包括图像和视频分析、视觉问答、文档理解和信息检索等。InternVL 2.5在多模态理解基准上表现优异，性能超越部分商业模型，并通过链式思考技术提升多模态推理能力。
AI项目与工具 2025年06月12日
YouTube Dubbing

YouTube Dubbing

YouTube Dubbing是一款利用AI技术实现跨语言视频观看的浏览器插件。它通过智能同步配音和字幕翻译功能，帮助用户轻松克服语言障碍，提升视频观看体验。支持多语言、多平台操作，提供多种语音风格和高级功能如倍速播放、背景音保留等，适合语言学习、国际教育、商务会议等多种应用场景。
AI项目与工具 2025年06月12日
MMAudio

MMAudio

MMAudio是一款基于多模态联合训练的音频合成工具，通过深度学习技术实现视频到音频、文本到音频的精准转换。它具备强大的同步模块，确保生成的音频与视频帧或文本描述时间轴完全对应，适用于影视制作、游戏开发、虚拟现实等多种场景，极大提升了跨模态数据处理的能力和应用效率。
AI项目与工具 2025年06月12日
FLOAT

FLOAT

FLOAT是一款基于音频驱动的虚拟人像生成模型，利用运动潜在空间和流匹配技术，实现时间一致性视频生成。它支持情感增强，生成自然且富有表现力的虚拟人物，广泛应用于虚拟主播、视频会议、社交媒体、游戏以及电影制作等多个领域，同时具备高效的采样和生成能力。
AI项目与工具 2025年06月12日
SynCamMaster

SynCamMaster

SynCamMaster是一款由多家顶尖高校与企业联合研发的多视角视频生成工具，支持从任意视点生成高质量开放世界视频。其核心技术包括结合6自由度相机姿态、多视图同步模块以及预训练文本到视频模型的增强版本。SynCamMaster不仅能在不同视角间保持动态同步，还能实现新视角下的视频合成与渲染，广泛应用于影视制作、游戏开发、虚拟现实及监控系统等领域。
AI项目与工具 2025年06月12日
STIV

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。
AI项目与工具 2025年06月12日