产品库

AI学习平台

Generative AI Courses是一家提供AI学习课程的在线平台。通过课程学习，用户可以掌握GenAI、AI、机器学习、深度学习、chatGPT、DALLE、图像生成、视频生成、文本生成等技术，并了解2024年AI领域的最新发展。

使用AI生成高质量的视频内容

stable video diffusion是一个基于AI的视频生成平台。用户可以通过文本或图像,将概念转化为引人入胜的视频。平台采用了最先进的深度学习技术,可以高质量生成各类视频内容,包括商业宣传视频、教学视频、演示视频等。优势是生成速度快,质量高,使用简单方便。定价采用创建视频数量的订阅模式。定位面向需要频繁生成高质量视频的企业客户。

GoEnhance AI是一款基于AI的图文增强工具

GoEnhance AI是一款基于人工智能的图像和视频增强工具。它可以实现视频到视频、图像增强和超分辨率scaling等功能。GoEnhance AI采用了最先进的深度学习算法,可以增强和上采样图像到极致的细节和高分辨率。它简单易用,功能强大,是创作者、设计师等用户释放创意的绝佳工具。

这是一个使用深度学习为文字描述生成动画视频的模型

AnimateLCM是一个使用深度学习生成动画视频的模型。它可以仅使用极少的采样步骤就生成高保真的动画视频。与直接在原始视频数据集上进行一致性学习不同,AnimateLCM采用了解耦的一致性学习策略,将图像生成先验知识和运动生成先验知识的萃取进行解耦,从而提高了训练效率并增强了生成的视觉质量。此外,AnimateLCM还可以与Stable Diffusion社区的插件模块配合使用,实现各种可控生成功能。AnimateLCM已经在基于图像的视频生成和基于布局的视频生成中验证了其性能。

Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。

Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。

GPT-4o，一款能够实时处理音频、视觉和文本的旗舰模型。

GPT-4o（'o'代表'omni'）是自然人机交互的重要一步，它可以接受任意组合的文本、音频、图像和视频输入，并生成任意组合的文本、音频和图像输出。它在音频输入响应上的速度极快，平均响应时间仅为320毫秒，与人类对话的响应时间相近。在非英语文本处理上取得了显著进步，同时在API上速度更快且成本降低了50%。GPT-4o在视觉和音频理解方面也比现有模型更出色。

一个统一的文本到任意模态生成框架

Lumina-T2X是一个先进的文本到任意模态生成框架，它能够将文本描述转换为生动的图像、动态视频、详细的多视图3D图像和合成语音。该框架采用基于流的大型扩散变换器（Flag-DiT），支持高达7亿参数，并能扩展序列长度至128,000个标记。Lumina-T2X集成了图像、视频、3D对象的多视图和语音频谱图到一个时空潜在标记空间中，可以生成任何分辨率、宽高比和时长的输出。

AI图像、视频和广告生成器

Darwin Studio是一款AI图像、视频和广告生成器，通过使用AI技术和算法，帮助用户快速生成高质量的图像、视频和广告。它具有高效、智能、创新的特点，可以大大提升创意工作效率。

AI 角色生成器，助您打造独特形象和视频故事。

Artflow AI 是一款 AI 角色生成器，可帮助用户创建一致的角色形象，并制作图像和视频故事。用户可以设计角色外观，创建各种场景图像，以及为角色添加动画，让角色栩栩如生。产品定位于为用户提供创意设计和视频制作的工具。

StoryDiffusion 能够通过生成一致的图像和视频来创造魔法故事。

StoryDiffusion 是一个开源的图像和视频生成模型，它通过一致自注意力机制和运动预测器，能够生成连贯的长序列图像和视频。这个模型的主要优点在于它能够生成具有角色一致性的图像，并且可以扩展到视频生成，为用户提供了一个创造长视频的新方法。该模型对AI驱动的图像和视频生成领域有积极的影响，并且鼓励用户负责任地使用该工具。

AI角色生成器，帮助您创建一致、可识别的AI角色，并将它们放置在任何场景中，仅需几次点击。

Boords是一个AI角色生成器，通过帮助用户创建一致、可识别的AI角色，并将它们放置在任何场景中，简化角色设计的过程。它提供了强大的角色编辑功能，用户可以轻松自定义角色的外貌和特征。Boords还支持快速生成具有不同服装和表情的角色变体，以满足各种场景需求。用户可以使用简单的图像序列创建有趣的故事板，并轻松构建引人注目的角色驱动故事。Boords已被世界顶级视频团队的65万名专业人士信赖，大大简化了他们的前期制作流程。

一种优化扩散模型采样时间表的方法，以提高生成模型的输出质量。

Align Your Steps 是一种用于优化扩散模型（Diffusion Models, DMs）采样时间表的方法。这种方法利用随机微积分的方法，为不同的求解器、训练有素的DMs和数据集找到特定的最优采样时间表。它通过最小化KLUB项来优化时间离散化，即采样调度，从而在相同的计算预算下提高输出质量。该方法在图像、视频以及2D玩具数据合成基准测试中表现出色，优化的采样时间表在几乎所有实验中都优于之前手工制定的时间表。

零样本身份保持人类视频生成技术

ID-Animator是一种零样本人类视频生成方法，能够在不需要进一步训练的情况下，根据单个参考面部图像进行个性化视频生成。该技术继承了现有的基于扩散的视频生成框架，并加入了面部适配器以编码与身份相关的嵌入。通过这种方法，ID-Animator能够在视频生成过程中保持人物身份的细节，同时提高训练效率。

鹿班是一款智能设计工具,可快速生成商品主图等。

鹿班是一款基于人工智能技术的智能设计工具,可根据商品图片和设计模板自动生成商品主图、钻展图、旺铺海报等营销图片。它利用计算机视觉和深度学习技术,能快速理解图像内容并生成设计作品。鹿班大大提高了设计效率,满足电商营销设计图制作的高强度需求,同时生成的设计作品质量也有保证。鹿班同时支持在线协作,企业客户可以上传自有设计模板,供分布式团队远程协作使用。这款工具主要面向电商、品牌营销等领域,提供便捷高效的设计即服务能力。

视频超分辨率模型，细节丰富

VideoGigaGAN是一款基于大规模图像上采样器GigaGAN的视频超分辨率(VSR)模型。它能够生成具有高频细节和时间一致性的视频。该模型通过添加时间注意力层和特征传播模块，显著提高了视频的时间一致性，并使用反锯齿块减少锯齿效应。VideoGigaGAN在公共数据集上与最先进的VSR模型进行了比较，并展示了8倍超分辨率的视频结果。

智能工具，激发创意无限

DeepAI是一个提供多种人工智能工具的网站，包括AI视频生成器、AI图像生成器、AI图像编辑器和AI角色聊天等。用户可以利用这些工具将静态图片和文本提示转换成简短的视频动画，或者通过输入提示来生成图像。DeepAI的AI图像编辑器允许用户快速编辑图片，而AI角色聊天则可以与各种角色进行互动。此外，还有去除背景和给黑白照片上色的功能。DeepAI提供PRO会员服务，享受无广告体验、私有图片存储和API访问等特权。

视频生成的精细控制工具

Ctrl-Adapter是一个专门为视频生成设计的Controlnet，提供图像和视频的精细控制功能，优化视频时间对齐，适配多种基础模型，具备视频编辑能力，显著提升视频生成效率和质量。

强大的多模态LLM，商业解决方案

Reka Core是一个GPT-4级别的多模态大型语言模型（LLM），具备图像、视频和音频的强大上下文理解能力。它是目前市场上仅有的两个商用综合多模态解决方案之一。Core在多模态理解、推理能力、编码和Agent工作流程、多语言支持以及部署灵活性方面表现出色。

一站式AI助手，为您提供生成文本、图像、代码、视频、音频等的解决方案

Ultimate AI Assistant是一款综合AI助手，可帮助您简化任务，提高工作效率。它提供了生成文本、图像、代码、视频、音频等多种功能，具有高度定制化的AI解决方案。无论您是需要生成创意文案、设计图像、编写代码、制作视频还是创作音乐，Ultimate AI Assistant都能满足您的需求。该产品定价根据功能和使用量而定，详情请访问官方网站。

基于生成式 AI 的文档处理平台

V7 Go 是一款基于生成式 AI 的文档处理平台，可以理性处理文档、图像、视频等多模态数据，并提供高精度的自动化工作流。它可以识别打印和手写文字，并支持连接外部 AI 模型。V7 Go 提供多种价格选项，包括免费试用和付费版本。

用于评估文本到视觉生成的创新性指标和基准测试

Evaluating Text-to-Visual Generation with Image-to-Text Generation提出了一种新的评估指标VQAScore,能够更好地评估复杂的文本到视觉生成效果,并引入了GenAI-Bench基准测试集。VQAScore基于CLIP-FlanT5模型,能够在文本到图像/视频/3D生成评估中取得最佳性能,是一种强大的替代CLIPScore的方案。GenAI-Bench则提供了包含丰富组合语义的实际场景测试文本,可用于全面评估生成模型的性能。

AI图像、视频、音乐生成工具

ApolloAI是一款人工智能平台，提供AI图像、视频、音乐、语音合成等功能。用户可以通过文本或图片输入生成多种类型的内容，具备商业使用权。定价灵活，提供订阅和一次性购买两种模式。

Jax 库，计算机视觉研究及更多

Scenic 是一个专注于基于注意力模型的计算机视觉研究的代码库，提供优化训练和评估循环、基线模型等功能，适用于图像、视频、音频等多模态数据。提供 SOTA 模型和基线，支持快速原型设计，价格免费。

AI 工具目录，覆盖 11176 个 AI 网站和工具

Toolify 是最大的 AI 工具目录，每天由 ChatGPT 自动更新。用户可以在 Toolify 上发现最佳的 AI 网站和工具，包括文本、图像、视频、设计、编程、写作、聊天、商业、教育等领域。Toolify 提供多种 AI 工具和 GPT Store Apps，方便用户快速找到所需的 AI 解决方案。

AI风格转换和滤镜工具

PhotoStyleAI是一款先进的AI风格转换和滤镜工具，可以轻松地将您的照片、图像和视频进行转换。它提供了多种风格选项，可以将照片转换成不同的艺术风格，如印象派、油画、卡通等。它还具有PS2 AI Filter功能，可以将照片转换成类似于PS2游戏的风格。PhotoStyleAI非常易于使用，只需上传您的照片，选择风格或添加滤镜，然后点击编辑即可。

生成会说话、唱歌的动态视频

AniPortrait是一个根据音频和图像输入生成会说话、唱歌的动态视频的项目。它能够根据音频和静态人脸图片生成逼真的人脸动画，口型保持一致。支持多种语言和面部重绘、头部姿势控制。功能包括音频驱动的动画合成、面部再现、头部姿势控制、支持自驱动和音频驱动的视频生成、高质量动画生成以及灵活的模型和权重配置。

大模型驱动下的智能内容平台,激发内容增长新动能

百度智能云一念依托领先的大模型技术和百度积累的特色资源能力,智能化重构内容生产、管理和分发全链路,提供智能创作、智能推荐、内容分析、内容审核等产品,助力企业客户降本增效和高质量增长。产品覆盖AI作画、AI海报、AI视频等智能创作,内容推荐、商品推荐、搜推一体等智能推荐,视频标签、精彩片段分析等内容分析,图像内容安全、文本内容安全等内容审核等功能。

在线视频、音频、图像 AI 工具

Media.io 是一个在线平台，提供一系列便携式的 AI 工具，用于视频、音频和图像编辑。它提供了视频卡通化、AI 头像生成器、图像增强器和水印去除器等功能。Media.io 还提供了其他视频和音频编辑工具，如视频增强器、音频转换器和声音变换器。该平台旨在帮助用户使用 AI 智能地优化他们的媒体文件，并轻松创建高质量的内容。

AI社区共建未来,开源开放科学推进AI民主化

Hugging Face是一个AI社区平台,致力于通过开源和开放科学的方式来推进人工智能的发展和民主化。它为机器学习社区提供了协作模型、数据集和应用程序的环境。主要优势包括:1)协作平台,可无限托管和共享模型、数据集和应用程序。2)开源堆栈,加速ML开发流程。3)支持多模态(文本、图像、视频、音频、3D等)。4)建立ML作品集,在全球分享你的作品。5)付费计算和企业解决方案,提供优化的推理端点、GPU支持等。