视频

声网Agora

专注于实时音视频技术的云服务公司,全球实时互动云服务开创者和引领者。开发者只需简单调用声网API,即可在应用内构建多种实时音视频互动场景。

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。

知作

知作zizo提供了一个全面的智能内容创作解决方案,包括灵感管理、创意社区、团队协作和安全的数据保护。

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

NeverEnds

生成更具电影感、真实性和实用性的AI镜头

JoyGen

JoyGen是由京东科技与香港大学联合开发的音频驱动型3D说话人脸视频生成框架,能够实现唇部动作与音频信号的精准同步,并提供高质量的视觉效果。该工具采用单步UNet架构进行高效视频编辑,基于130小时中文视频数据集训练,在唇音同步和视觉质量方面表现优异。适用于虚拟主播、动画制作、在线教育及多语言视频生成等多个领域,为视频内容创作提供了创新解决方案。

Text To Speech

构建自然说话的应用和服务,从 147 种语言和变体中选择 456 种语音

Keyframes Studio

一款在线视频编辑器,用于为所有社交媒体平台创建、编辑和重新利用精美的视频,可帮助您创建产品、网页或其他任何您想要展示的内容的 TikTok 视频。

FunFun Art

一个利用人工智能技术将用户的创意概念转化为视觉上吸引人的图片和视频。用户只需在平台上输入描述性关键词,就能获得多种艺术风格的生成l图像和视频作品。