Ming Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型，基于MoE架构，支持文本、图像、音频和视频等多种模态的输入输出，具备强大的理解和生成能力。模型在多个任务中表现优异，如图像识别、视频理解、语音问答等，适用于OCR识别、知识问答、视频分析等多个领域。其高效处理能力和多模态交互特性，为用户提供一体化智能体验。 AI项目与工具 2025年06月11日 79 点赞 0 评论 503 浏览
Tarsier2 Tarsier2是字节跳动研发的大规模视觉语言模型，擅长生成高精度视频描述并在多项视频理解任务中表现优异。其核心技术包括大规模数据预训练、细粒度时间对齐微调以及直接偏好优化（DPO）。该模型在视频问答、定位、幻觉检测及具身问答等任务中均取得领先成绩，支持多语言处理，具有广泛的应用潜力。 AI项目与工具 2025年06月12日 59 点赞 0 评论 504 浏览
VideoVAE+ VideoVAE+是一种由香港科技大学研发的跨模态视频变分自编码器，具备时空分离压缩和文本指导功能。它通过分离空间与时间信息处理，有效减少运动伪影，同时利用文本嵌入增强细节重建能力。VideoVAE+在视频重建质量上超越现有模型，支持高保真与跨模态重建，适用于视频压缩、影视后期制作及在线教育等多个领域。 AI项目与工具 2025年06月12日 45 点赞 0 评论 504 浏览
Medeo Medeo是一款基于AI技术的视频创作平台，能够将文字描述自动转化为高质量视频。它具备智能文生视频、素材匹配、AI配音、音乐推荐、URL转视频及动画生成等功能，广泛应用于内容创作、企业营销、教育培训、个人娱乐和新闻媒体等多个领域。平台集成了多种先进AI模型，提升视频制作效率与创意表现力，是创作者的理想工具。 AI项目与工具 2025年06月11日 84 点赞 0 评论 505 浏览
spiritme Spiritme是一款基于人工智能的视频创作工具，支持用户通过拍摄或输入文本生成逼真的数字化身视频。其核心功能包括数字化身创建、文本转视频转换、AI辅助拍摄及多语言支持，适用于营销、教育、社交媒体及企业演示等多种应用场景，为用户提供了高效且灵活的视频制作解决方案。 AI项目与工具 2025年06月12日 80 点赞 0 评论 505 浏览
Gan.ai Gan.ai是一个强大的个性化视频制作工具，它通过提供易于使用的录制和个性化功能，帮助用户在各种商业场景中提升沟通效率和效果。 创作工具 2026年06月13日 0 点赞 0 评论 505 浏览
VideoRAG VideoRAG是一种基于检索增强生成（RAG）技术的工具，旨在提升长视频的理解能力。它通过提取视频中的多模态信息（如OCR、ASR和对象检测），并将其与视频帧和用户查询结合，增强大型视频语言模型的处理效果。该技术轻量高效，易于集成，适用于视频问答、内容分析、教育、媒体创作及企业知识管理等多个领域。 AI项目与工具 2025年06月12日 75 点赞 0 评论 506 浏览
MAGI MAGI-1是一款由Sand AI开发的开源视频生成大模型，采用自回归架构，支持高效、高质量的视频生成，具备高分辨率输出、无限扩展能力和可控生成特性。适用于内容创作、影视制作、游戏开发等多个领域，技术上融合了自回归去噪、Transformer VAE、扩散模型等创新方法，提升生成效率与稳定性。 AI项目与工具 2025年06月11日 37 点赞 0 评论 506 浏览
