视频 - 智狐AI导航

Magma

Magma是微软研究院开发的多模态AI基础模型，具备理解与执行多模态任务的能力，覆盖数字与物理环境。它融合语言、空间与时间智能，支持从UI导航到机器人操作的复杂任务。基于大规模视觉-语言和动作数据预训练，Magma在零样本和微调设置下表现优异，适用于网页操作、机器人控制、视频理解及智能助手等多个领域。

AI项目与工具 2025年06月12日 100 点赞 0 评论 421 浏览

Video

Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。

AI项目与工具 2025年06月12日 50 点赞 0 评论 421 浏览

Shedevrum

Shedevrum是由Yandex推出的AI图像生成工具，支持文本到图像和视频的生成，具备多种艺术风格模仿能力。用户可通过输入描述性文本，快速生成高质量、高分辨率的图像，并进行个性化调整。该工具适用于艺术创作、内容制作、教育及品牌营销等多个领域，提供便捷的视觉内容生成方案。官网提供免费版本，支持多语言输入，适合各类用户使用。

AI项目与工具 2025年06月12日 96 点赞 0 评论 422 浏览

cobalt

Cobalt是一款开源流媒体下载工具，支持从各大视频网站、社交媒体和音乐平台下载视频、音频和图片。其主要功能包括高分辨率视频下载（最高8K）、多种音频格式支持、字幕自动提取及个性化主题切换。用户可通过网页版或自托管Docker方式使用，无需注册即可操作，适合在线学习、视频编辑、音乐收藏等多种应用场景。

AI项目与工具 2025年06月12日 99 点赞 0 评论 422 浏览