视频
MacWhisper
MacWhisper是一款基于OpenAI Whisper技术的AI音频转文字工具。它能够在本地设备上将音频文件快速转录成文本，并支持多种语言。该工具具有多种音频和视频格式兼容性，提供不同的转录模型选择，支持字幕导出，且具备视频播放功能。最新版本增加了基于Apple芯片的硬件加速，提升了实时语音识别效率，并集成了OpenAI语言模型以提高转录和翻译的准确性。MacWhisper适用于记者、媒体工作
CodeFormer
CodeFormer是一款由南洋理工大学和商汤科技合作开发的AI照片和视频修复工具。它利用变分自动编码器（VQGAN）和Transformer技术，能够对模糊和马赛克处理过的照片或视频进行高质量修复。CodeFormer支持图片和视频的高清修复，操作简便且为开源免费软件，适用于家庭相册修复、社交媒体照片优化及专业图像处理等多种场景。
ViewCrafter
ViewCrafter是一种由北京大学、香港中文大学和腾讯合作开发的先进视频扩散模型。它能够从单一或少量图像中合成高质量的新视图，结合视频扩散模型和基于点的3D表示，通过迭代视图合成策略和相机轨迹规划生成多样化的视图。该模型在多个数据集上展示了强大的泛化能力和性能，适用于实时渲染、沉浸式体验及场景级文本到3D生成等多种应用场景。
VideoLLaMB
VideoLLaMB 是一个创新的长视频理解框架，通过引入记忆桥接层和递归记忆令牌来处理视频数据，确保在分析过程中不会丢失关键的视觉信息。该模型专为理解长时间视频内容而设计，能够保持语义上的连续性，并在多种任务中表现出色，例如视频问答、自我中心规划和流式字幕生成。VideoLLaMB 能够有效处理视频长度的增加，同时保持高性能和成本效益，适用于学术研究和实际应用。
---
Vidu主体参照功能
Vidu的主体参照功能是一项由Vidu AI首次推出的参考一致性功能，旨在保持视频中单一主体（如真人、2D或3D角色）的一致性。该功能不仅支持对角色的面容、半身、全身特征进行精确控制，还涵盖多种角色类型和画风，包括写实风格和各种艺术风格。它能有效解决视频制作中的一致性问题，提升创作效率，并降低技术门槛，适用于艺术创作、商业广告、社交媒体内容、教育和培训、游戏开发以及电影和电视剧制作等多种应用场景。
