青梧字幕 – 开源AI字幕提取工具，自动生成时间轴精准的字幕
青梧字幕是基于Whisper的AI字幕提取工具。基于先进的 ...
排序
PortraitGen – 中科大推出的AI人像视频编辑工具
PortraitGen是中国科学技术大学研究团队推出的一款A...
Ola – 清华联合腾讯等推出的全模态语言模型
Ola是清华大学、腾讯 Hunyuan 研究团队和新加坡国立...
Next-Frame Diffusion – 北大联合微软推出的自回归视频生成模型
Next-Frame Diffusion（NFD）是北京大学...
MiniMax MCP Server – MiniMax 推出基于 MCP 的多模态生成服务器
MiniMax MCP Server 是 MiniMax 稀...
秒画趣拍APP – 商汤科技推出的AI创意写真工具
秒画趣拍APP是商汤科技推出的 AI创意写真制作应用 ，通过...
MAGREF – 字节跳动推出的多主体视频生成框架
MAGREF（Masked Guidance for Any...
LOKI – 中山大学联合上海AI Lab推出的合成数据检测基准
LOKI是由中山大学和上海AI Lab联合提出的合成数据检测...
LobeChat – 开源的AI聊天框架，零代码部署个人AI助手
LobeChat是开源AI聊天框架，支持与多个AI供应商的集...
LCVD – 川大推出的光照可控肖像动画生成框架
LCVD（Lighting Controllable Vid...
LatentSync – 字节联合北交大开源的端到端唇形同步框架
LatentSync是字节跳动、北京交通大学联合推出的端到端...
Index-AniSora – B站开源的动漫视频生成模型
Index-AniSora 是哔哩哔哩开源的先进动漫 视频生...
HumanDiT – 浙大联合字节推出的姿态引导人体视频生成框架
HumanDiT 是浙江大学和字节跳动联合提出的姿态引导的高...
Hummingbird-0 – Tavus 推出的AI口型同步模型
Hummingbird-0 是 Tavus 推出的 AI口型...
GEN3C – NVIDIA 联合多伦多大学等推出的生成式视频模型
GEN3C 是NVIDIA、多伦多大学和向量研究所推出的新型...
GameGen-O – 腾讯推出的游戏视频生成模型，自动生成角色、场景、动作和事件
GameGen-O 是腾讯推出的一款基于 Transform...
Fugatto – 英伟达推出的多功能AI音频生成模型
Fugatto是英伟达（NVIDIA）推出的音频合成和转换模...
FlashVideo – 字节联合港大推出的高分辨率视频生成框架
FlashVideo是字节跳动团队提出的高效的高分辨率 视频...
Flex3D – Meta GenAI和牛津大学共同推出的两阶段3D生成框架
Flex3D是Meta的GenAI团队和牛津大学研究团队推出...
FineVideo – Hugging Face推出的大型多模态视频数据集
FineVideo是由Hugging Face推出的一个大型...
Enhance-A-Video – 上海AI Lab 联合新加坡国立等推出的视频生成质量增强算法
Enhance-A-Video 是新加坡国立大学、上海人工智...
DynamicFace – 小红书联合上海交大等推出的视频换脸技术
DynamicFace是小红书团队推出新型的视频 换脸 技术...
DriveDreamer4D – 基于世界模型增强4D驾驶场景重建效果的框架
DriveDreamer4D是用在提升自动驾驶场景4D重建质...
Draw an Audio – 中科院联合美团推出的视频生成音频系统
Draw an Audio 是中国科学院自动化研究所和美团点...
Director – 构建视频智能体AI框架，用自然语言执行搜索、总结等复杂视频任务
Director是构建视频智能体的框架，用户能用自然语言命令...
DiT – 基于Transfomer架构的扩散模型
DiT（Diffusion Transformers）是一种...
谷歌DeepMind推出V2A技术，可为无声视频添加逼真音效
在人工智能领域，谷歌旗下的DeepMind公司再次取得突破性...
CloneAI – AI视频生成器，将普通视频创作成拥抱、老化、挤压效果等个性作品
CloneAI是 AI视频生成 器，基于人工智能技术将普通视...
CapsWriter-Offline – AI语音转文字工具，PC端离线实时工作
CapsWriter-Offline是一款高效的PC端离线语...
BAGEL – 字节跳动开源的多模态基础模型
BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数...