面试猫 – AI面试辅助工具，实时语音识别面试官问题
面试猫是 AI面试辅助工具 ，基于实时语音识别和大语言模型...
排序
MoCha – Meta 联合滑铁卢大学推出的端到端对话角色视频生成模型
MoCha AI 是 Meta 和滑铁卢大学联合开发的端到端...
PyVideoTrans – 开源的视频翻译和配音工具，支持多种语言
PyVideoTrans 是开源的视频翻译配音工具，将视频内...
AI-Media2Doc – 开源AI图文创作助手，一键将音视频内容转为文档
AI-Media2Doc 是开源的音视频转文档工具，基于AI...
腾讯混元文生视频 – 腾讯推出的AI视频生成模型
腾讯混元文生视频是基于腾讯 AI视频生成 模型推出的AI视频...
X-AnyLabeling – AI图像标注工具，支持图像和视频多样化标注样式
X-AnyLabeling是集成多种深度学习算法的图像标注软...
VFusion3D – Meta联合牛津大学推出的AI生成3D模型项目
VFusion3D 是由 Meta 和牛津大学的研究人员共同...
WorldSense – 小红书联合上海交大推出的多模态全面评测新基准
WorldSense是小红书和上海交通大学推出的，用在评估多...
WorldDreamer – 视频生成通用世界模型，可以生成超过1分钟的视频
WorldDreamer是基于Transformer的通用世...
FaceHub – AI照片视频编辑应用，支持AI换脸、风格变换、动画生成
FaceHub是一款AI驱动的照片和视频编辑应用，基于深度伪...
Weights – 多功能AI创作平台，支持创作图片、视频、音乐等各种类型多媒体
Weights 是AI创作平台，基于AI技术创作各种类型的多...
Wan2.1 – 阿里开源的AI视频生成大模型
Wan2.1是阿里云开源的 AI视频生成 大模型，具备强大的...
Wav2Lip – 开源的唇形同步工具
Wav2Lip是开源的唇形同步工具，支持用户将音频文件转换成...
X-Dyna – 字节联合斯坦福等高校推出的动画生成框架
X-Dyna 是基于扩散模型的动画生成框架，基于驱动视频中的...
StreamBridge – 苹果联合复旦推出的端侧视频大语言模型框架
StreamBridge 是苹果公司与复旦大学联合推出的端侧...
DragAnything – 快手联合浙大等机构开源的可控视频生成方法
DragAnything 是快手联合浙江大学和新加坡国立大学...
Stable Video 3D (SV3D) – 多视角合成和3D生成模型，由Stability AI推出
Stable Video 3D（简称SV3D）是由Stabi...
Step-Video-TI2V – 阶跃星辰开源的图生视频模型
Step-Video-TI2V 是阶跃星辰（StepFun...
ID-Animator – 腾讯等推出的个性化人物视频生成框架
ID-Animator是由来自腾讯光子工作室、中科大和中科院...
WorldCraft – 港科大推出的3D虚拟世界创建和定制系统
WorldCraft是香港科技大学推出的基于大型语言模型（L...
Wonderland – 多伦多大学、Snap和UCLA联合推出的单视图3D场景生成技术
Wonderland是多伦多大学、Snap和UCLA的研究团...
FramePack – 斯坦福开源的AI视频生成模型
FramePack 是斯坦福大学开源的AI视频生成模型。基于...
X-Prompt – 用于多模态视频目标分割的通用框架
X-Prompt是用于多模态视频目标分割的通用框架，解决传统...
Multimodal Live API – 谷歌推出支持多模态交互、低延迟实时互动的AI接口
Multimodal Live API 是谷歌推出的低延迟...
EfficientTAM – Meta AI推出的视频对象分割和跟踪模型
EfficientTAM是Meta AI推出的轻量级视频对象...
ANTO – 开源的Windows桌面字幕翻译工具
ANTO是一款开源的Windows桌面字幕翻译工具，用于翻译...
VSI-Bench – 李飞飞谢赛宁团队推出的视觉空间智能基准测试集
VSI-Bench（Visual-Spatial Intel...
STIV – 苹果公司推出的视频生成大模型
STIV（Scalable Text and Image C...
九章随时问 – AI学习辅导工具，用苏格拉底式讲题方式分步引导和步骤解析
九章随时问是学而思基于自研九章数学大模型推出的AI学习辅导工...
Fashion-VDM – 谷歌和华盛顿大学联合推出的虚拟试穿技术
Fashion-VDM是谷歌和华盛顿大学共同推出的基于视频扩...