Gen2Act – 谷歌、卡内基梅隆、斯坦福联合推出生成人类视频引导机器人操作策略
Gen2Act是由谷歌、卡内基梅隆大学和斯坦福大学共同推出的...
排序
FramePainter – 哈工大联合华为诺亚推出的交互式图像编辑AI工具
FramePainter 是基于 AI 的交互式图像编辑工具...
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...
Eagle 2.5 – 英伟达推出的视觉语言模型
Eagle 2.5是英伟达推出的视觉语言模型，专注于长上下文...
EchoMimicV2 – 阿里推出的开源数字人项目，能生成完整数字人半身动画
EchoMimicV2是阿里蚂蚁集团推出的半身人体 AI数字...
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...
DAM-3B – 英伟达推出的多模态大语言模型
DAM-3B（Describe Anything 3B）是英...
ChopperBot – AI直播视频剪辑和发布机器人，自动化管理直播内容
ChopperBot是一款智能化的直播视频剪辑和发布机器人...
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...
Boogie AI – AI跳舞软件，支持一张照片生成跳舞视频
Boogie AI是一款AI跳舞软件，使用AI技术将用户上传...
Amazon Nova Premier – 亚马逊推出的多模态AI模型
Amazon Nova Premier 是亚马逊推出功能最强...
ActAnywhere – Adobe推出的AI视频背景生成模型
ActAnywhere是一个由斯坦福大学和Adobe Res...
TransPixar – 港中文联合 Adobe 等机构开源的生成透明背景视频技术
TransPixar是香港中文大学、Adobe研究院 、香港...
TesserAct – AI 4D具身世界模型，能预测3D场景的动态演变
TesserAct 是创新的 4D 具身世界模型，能预测 3...
Subtitle Edit – 免费开源的多功能字幕编辑器
Subtitle Edit是一款免费开源的多功能字幕编辑器...
RAIN – 视频流制作实时动画生成和真人表情移植解决方案
RAIN（Real-time Animation Of In...
Notato – AI笔记应用，自动生成结构化笔记内容
Notato 是AI笔记应用，专为高效学习和工作设计。能将音...
Motion Dreamer – 香港科技大学推出的运动合理视频生成框架
Motion Dreamer是香港科技大学（广州）研究者提出...
Mini-LLaVA – 基于Llama 3.1的轻量级多模态大语言模型
Mini-LLaVA是一款轻量级的多模态大语言模型，由清华大...
MagicVideo-V2：字节跳动推出的AI视频生成模型
MagicVideo-V2 是字节跳动公司团队开发的一款AI...
Loopy – 字节跳动推出的音频驱动的AI视频生成模型
Loopy是字节跳动推出的音频驱动的 AI视频生成 模型，用...
LabelU – 开源的多模态数据标注工具
LabelU 是一款开源的多模态数据标注工具，支持图像、视频...
Kimi-VL – 月之暗面开源的轻量级多模态视觉语言模型
Kimi-VL 是月之暗面开源的轻量级多模态视觉语言模型，基...
GameGen-X – 香港科技大学联合多所机构推出的交互式开放世界游戏生成算法
GameGen-X是香港科技大学、中国科学技术大学等机构研究...
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...
FancyVideo – 360推出的AI文生视频模型
FancyVideo是360联合中山大学推出的AI文生视频模...
Edify 3D – NVIDIA 推出的3D生成模型
Edify 3D 是 NVIDIA 推出的先进3D资产生成方...
DreamActor-H1 – 字节跳动推出的产品演示视频生成框架
DreamActor-H1是字节跳动推出的基于扩散变换器（D...
DisPose – 北大等多所高校推出的增强人物图像控制动画质量的技术
DisPose是北京大学、中国科学技术大学、清华大学和香港科...
DiT – 基于Transfomer架构的扩散模型
DiT（Diffusion Transformers）是一种...