产品库

基于2D扩散的文本到3D生成

DreamFusion是一款基于预训练的2D文本到图像扩散模型，用于生成高保真度的、可调光的3D对象。它通过使用梯度下降优化随机初始化的3D模型（Neural Radiance Field）来生成3D对象，并且可以从任意角度观察、任意照明重新照亮或与任何3D环境合成。DreamFusion不需要3D训练数据，也不需要对图像扩散模型进行修改，展示了预训练图像扩散模型作为先验的有效性。

打造连接全球创作者的AI社区平台

米塔是一个打造连接全球创作者的AI社区平台。它提供米文、米画等创作工具,用户只需输入文字提示,就可以通过AI技术生成小说大纲、文章、画作等创意内容。米塔具有写作辅助、图像生成、智能对话等功能,可以帮助用户提升创作效率,发掘更多创意灵感。米塔基于大规模预训练语言模型,通过模型微调和数据增强,实现了文本、图像的高质量生成。米塔致力于为创作者提供便捷的AI创作工具,构建包容开放的社区,让更多的用户体验到AI给创作带来的无限可能。

众包分布式图像和文本生成平台

AI Horde是一个众包分布式图像和文本生成平台。它由一群协作的工作者组成，提供高效的图像和文本生成服务。AI Horde提供稳定的性能、广泛的功能和多样的使用场景。无论是个人用户还是企业用户，都可以通过AI Horde获得高质量的图像和文本生成服务。AI Horde的定价合理，定位于满足用户的创作、设计、娱乐等需求。

稳定的在线3D视频合成

SV3D Online是一款稳定的在线3D视频合成工具，能够将单个图像转化为引人入胜的3D视角和网格。

文本到3D分数蒸馏的方差缩减解决方案

SteinDreamer供文本到3D分数蒸馏的解决方案。他们提出了一种名为Stein Score Distillation (SSD)的方差缩减解决方案，通过控制变量构建和Stein身份，实现了对蒸馏方差的有效降低。他们的实验结果表明，SSD能够有效降低蒸馏方差，并且在对象和场景级别的生成中持续提高视觉质量。此外，他们还展示了SteinDreamer相对于现有方法具有更快的收敛速度。

统一的多模态生成模型

Unified-IO 2是一个统一的多模态生成模型,能够理解和生成图像、文本、音频和动作。它使用单个编码器-解码器Transformer模型,将不同模式(图像、文本、音频、动作等)的输入和输出都表示为一个共享的语义空间进行处理。该模型从头开始在大规模的多模态预训练语料上进行训练,使用了多模态的去噪目标进行优化。为了学会广泛的技能,该模型还在120个现有数据集上进行微调,这些数据集包含提示和数据增强。Unified-IO 2在GRIT基准测试中达到了最先进的性能,在30多个基准测试中都取得了强劲的结果,包括图像生成和理解、文本理解、视频和音频理解以及机器人操作。

高质量3D对象生成模型

Stable Zero123是一种用于视图条件图像生成的内部训练模型。与之前的尖端技术Zero123-XL相比，Stable Zero123产生了显着改进的结果。它通过三项关键创新实现了这一目标：1. 从Objaverse中大幅过滤的改进训练数据集，仅保留高质量的3D对象，并且比以前的方法更加真实地渲染。2. 在训练和推断过程中，我们为模型提供了估计的摄像机角度。这种高程条件使其能够做出更明智、更高质量的预测。3. 预先计算的数据集（预先计算的潜变量）和支持更高批处理量的改进数据加载器，再加上第一项创新，使得训练效率比Zero123-XL提高了40倍。该模型现在已经在Hugging Face上发布，以便研究人员和非商业用户下载和进行实验。

AI多模态数据绑定

ImageBind是一种新的AI模型，能够同时绑定六种感官模态的数据，无需显式监督。通过识别这些模态之间的关系（图像和视频、音频、文本、深度、热成像和惯性测量单元（IMUs）），这一突破有助于推动AI发展，使机器能够更好地分析多种不同形式的信息。探索演示以了解ImageBind在图像、音频和文本模态上的能力。

专注于提示和生成

Fooocus 是一款图像生成软件，它让用户专注于提示和生成。它学习了 Stable Diffusion 和 Midjourney 的设计理念，为用户提供离线、开源、免费的使用体验。它包含了许多内部优化和质量提升，让用户摆脱复杂的技术参数，专注于人与计算机之间的交互，开拓思维的新媒介，扩展人类的想象力。安装简单便捷，只需点击几下鼠标即可完成。支持的操作系统为 Windows，最低需求为 4GB Nvidia GPU 内存和 8GB 系统内存。

将真实数据或想象转化为3D世界模型

CSM AI是一个多模态的3D生成平台，可以从视频、图像或文本生成高分辨率的几何体、纹理和神经辐射场。它可以快速准确地创建环境和游戏，为开发者提供了全新的体验。CSM AI还提供API，方便开发者将其集成到自己的应用或平台中。适用于创建沉浸式的模拟器和游戏。

视觉增强的检索与生成系统

VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。

面向开发者的谷歌AI

Gemini API是Google AI Studio提供的一个强大的人工智能模型，它允许开发者轻松地将Google最大的AI模型集成到他们的应用程序中。这个API支持多种编程语言和平台，包括Python、Node.js、Go、Android、Dart (Flutter)和Swift。Gemini API的主要优点是其强大的生成能力，能够处理复杂的AI任务，如内容生成、语言理解等。此外，它还提供了Gemma开放模型，这些模型具有灵活性和可定制性，以加速负责任的AI开发。Gemini API是为那些希望利用最新AI技术来提升其应用程序的开发者设计的，无论是在生产力、图像处理、视频编辑还是其他领域。目前，Gemini API是免费的，但具体的定价策略可能会随着时间和服务的发展而变化。

电影台词搜索与生成工具

Screenflick是一个提供电影台词搜索和生成服务的网站，用户可以通过它来寻找特定的电影台词或生成新的台词。它不仅能够增加用户对电影的了解和兴趣，还能激发创意思维，为电影爱好者和创作者提供灵感。

探索3D虚拟世界，体验梦想家宇宙。

Aiuni是一个提供3D虚拟世界体验的平台，用户可以在这里创建和探索个性化的3D模型，享受沉浸式的宇宙探索之旅。Aiuni以其创新的3D技术、丰富的互动性和高度的个性化定制，为用户提供了一个全新的虚拟体验空间。

AI驱动的相册，自动生成图像元数据并与之对话。

Album AI是一个实验性项目，它使用gpt-4o-mini作为视觉模型，自动识别相册中图像文件的元数据，并利用RAG技术实现与相册的对话。它既可以作为传统相册使用，也可以作为图像知识库，辅助大型语言模型进行内容生成。

基于 GPT-4 的代码审查模型

CriticGPT 是基于 GPT-4 模型开发的工具，旨在帮助人类审查 ChatGPT 的代码输出。通过识别错误并提供评论，提高训练师审查的准确性和效率。该工具能有效捕捉潜在问题，为 AI 模型的改进提供有力支持。

发现真正重要的AI突破

AIModels.fyi是一个专注于AI领域的平台，提供每日更新的AI论文、模型和工具的摘要。它通过算法筛选出具有重大影响力的AI发展，并将复杂的模型和论文转化为简短、清晰的指南，帮助用户快速吸收和应用。此外，订阅者还可以获得个性化的AI内容，无需博士学位即可理解的顶级模型、论文和工具指南，以及与AI专家和构建者交流的独家Discord社区访问权限。

微软轻量级、先进的多模态模型，专注于文本和视觉的高质量推理密集数据。

Phi-3 Vision是一个轻量级、最先进的开放多模态模型，基于包括合成数据和经过筛选的公开可用网站在内的数据集构建，专注于文本和视觉的非常高质量的推理密集数据。该模型属于Phi-3模型家族，多模态版本支持128K上下文长度（以token计），经过严格的增强过程，结合了监督微调和直接偏好优化，以确保精确的指令遵循和强大的安全措施。

Imajinn AI - 使用精确的AI生成独特的视觉效果工具和产品。

Imajinn AI是一款使用最新的人工智能技术将您的照片和图像转化为令人惊叹的艺术作品的工具。您可以使用Imajinn AI生成任何人或任何地方的惊人图像，包括个人资料图片、产品图片、品牌和样式。您甚至可以通过Imajinn AI进行自定义AI模型的微调，以生成与众不同的图像。

一站式构建、部署和测试提示语的工具。

BasicPrompt是一个可以帮助您构建、部署和测试通用提示语的工具。它提供了一个编辑器，您可以使用其中的U块来编写通用的提示语。BasicPrompt会自动优化您的提示语以适应不同的语言模型。您可以通过内置的测试工具来评估提示语在不同模型上的性能。BasicPrompt还支持一键部署提示语到应用程序中，无需编码。通过BasicPrompt，您可以快速构建、部署和共享提示语，让团队成员轻松贡献。

Imagen 3是我们质量最高的文本到图像模型，能够生成具有更好细节、更丰富光照和更少干扰性伪影的图像。

Imagen 3是我们质量最高的文本到图像模型，能够生成具有更好细节、更丰富光照和更少干扰性伪影的图像。Imagen 3通过改进文本理解能力，可以生成多种视觉风格的图像，并捕捉长文本提示中的小细节。Imagen 3可用于生成快速草图到高分辨率图像等不同类型任务，并提供多个优化版本。

使用的 Sora 同架构视频生成模型

Viva 是一个免费的 AI 生成工具和社区，提供 Text-to-Image、Image-to-Image、Text-to-Video、Image-to-Video 等功能，以及强大的 AI 编辑工具。用户可以扩展图像、重新绘制任何内容，使图像和视频更加高质量和 4K。Viva 使 AI 创作更简单、高效。海外产品 viva 发布了首个开放给全部用户使用的 Sora 同架构视频生成模型，而且现阶段免费。 文生视频单次可以生成一条 5 秒的视频，图生视频是 4 秒视频 目前运动幅度最大的视频生成模型，同时图像分辨率也是现在可以用的视频生成产品中最大的。文生视频的效果比图生视频要更好，同时如果要是用的话建议把运动幅度调到 20 左右比较合适。 viva 优势领域就是可以生成比较好的竖屏视频，目前很多视频模型的演示都是横屏视频，竖屏的表现并不好，但是短视频又是视频内容的大头，所以竖屏视频的生成质量是个很重要的指标。 但是一致性有一部分测试中保持的不是很好，同时没有表现出 Sora 那样强大的物理特性模拟以及 3D 一致性。

将您宠物的照片转化为永恒的杰作。

Pet Prints AI是一个可以将您宠物的照片转化为艺术作品的在线服务。它使用AI技术生成真实逼真的宠物图像，并提供多种风格供选择。您可以从现有的照片中选择，无需花费昂贵的摄影师费用。Pet Prints AI提供高质量的打印品，让您的宠物成为永恒的杰作。

AI图像放大工具

Image Upscale是一个提供图像放大、文本转图像、压缩和格式转换功能的AI工具。它可以提高工作效率，轻松创建令人惊叹的视觉效果。

AI卡通生成器，可以通过文本或图像生成卡通头像。

CartoonGen是一个AI卡通生成器，可以通过上传图像或输入文本描述来生成独特的卡通图片。它提供高质量的卡通图片，并且非常简单易用。

使用所有最新的llms订阅一项服务。

AllNewModels是一个网站，提供了许多最新的llms模型。该网站的主要优点是用户可以在一个订阅中使用所有最新的llms模型。它为用户提供了更多选择和灵活性，无需单独购买和使用不同的模型。AllNewModels的定位是为专业人士提供的。

Ilus AI是一款AI插画生成器，可以快速创建美丽、风格一致的插画作品。

Ilus AI是一款AI插画生成器，可以帮助用户快速生成美丽、风格一致的插画作品。它采用先进的人工智能技术，可以自动绘制出逼真的插画作品。该产品的主要优点包括：1. 快速生成插画作品，节省时间和精力；2. 风格一致，可以保持整体的视觉统一性；3. 提供多种预设模型和样式选择，满足不同的创作需求；4. 支持用户自定义训练和优化，可以生成符合特定风格的插画作品；5. 导出插画作品的多种格式，方便在不同平台上使用。

一个展示想象中艺术家思绪的日常表演，通过创作和分享图像来表达创造力。

Stream of Consciousness是一个记录并分享艺术家思维的项目，通过创作和分享图像来展示创造力。它提供了一个深入艺术家思维的窗口，让人们了解艺术创作的过程和灵感的来源。

Illusion Diffusion是一款免费创新的AI工具，通过文本提示将普通照片转化为迷人的图像，将艺术之美与AI技术相结合。

Illusion Diffusion是一款免费创新的AI工具，通过Stable Diffusion和Controlnet AI模型，将普通照片转化为艺术品，提供文本提示来生成视觉错觉和超现实图像。

Rixai AI是一种革命性的图像生成工具，可以通过纯文本输入创建图像。

Rixai AI使用先进的人工智能技术，将文字转化为图片，帮助您可视化想法。它使用深度学习技术如GANs或VAEs基于您的输入生成图片。