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。 AI项目与工具 2025年06月12日 78 点赞 0 评论 143 浏览
Eagle 2.5 Eagle 2.5 是一款由英伟达开发的视觉语言模型,专注于长上下文多模态学习,具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B,但性能接近更大模型。采用信息优先采样和渐进式后训练策略,提升模型稳定性与适应性。支持多样任务,适用于视频分析、图像处理、内容创作及教育等多个领域。 AI项目与工具 2025年06月11日 59 点赞 0 评论 143 浏览
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。 Ai语音工具 2025年06月05日 70 点赞 0 评论 143 浏览
ReadLecture视频笔记 一个专注于讲座类视频转换为图文结合的文档的工具,ReadLecture可以大幅提升视频内容观看效率。不仅能够精准截取视频中的PPT,还能将演讲者的语言转换为准确的文字稿,方便阅读和整理。 Ai图片处理 2025年06月05日 57 点赞 0 评论 142 浏览
Spyne.AI 一款人工智能驱动的AI摄影和编辑软件,旨在满足企业(尤其是汽车行业)的需求。它提供了大规模创建高质量产品视觉效果的高级功能,利用人工智能技术来自动化图像处理工作流程。 电商运营 2025年06月05日 48 点赞 0 评论 142 浏览
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 AI项目与工具 2025年06月11日 92 点赞 0 评论 142 浏览
Rizzle Rizzle 是一款人工智能视频创作平台,能够将文本、播客和音频内容快速转化为具有专业外观的视频。平台通过与 Getty Images 的合作,提供了超过 5 亿张图片和视频的媒体资源库,使用户能够自定义文本样式、画面比例、背景音乐等元素。其主要功能包括缩略图制作、文本高亮剪辑、地图生成、无面孔视频等,简化了视频制作流程,适用于社交媒体营销、内容创作、教育、产品演示、新闻报道及企业内部沟通等多种应 AI项目与工具 2025年06月12日 27 点赞 0 评论 142 浏览
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 57 点赞 0 评论 142 浏览