浏览量：93
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。
一种先进的文本到图像的生成模型。
FLUX.1-dev-Controlnet-Union-alpha是一个文本到图像的生成模型，属于Diffusers系列，使用ControlNet技术进行控制。目前发布的是alpha版本，尚未完全训练完成，但已经展示了其代码的有效性。该模型旨在通过开源社区的快速成长，推动Flux生态系统的发展。尽管完全训练的Union模型可能在特定领域如姿势控制上不如专业模型，但随着训练的进展，其性能将不断提升。
开源AI图像生成器，功能强大且免费。
Flux Image Generator是一个开源的AI图像生成器，它利用大型神经网络Flux，能够根据文本生成图像。Flux是近年来最大的开源项目之一，其神经网络模型大小大约为4到5GB。除了生成图像，该工具还支持对图像进行编辑，例如填充缺失部分或根据文本指令生成图像的无限变体。尽管AI技术在绘图方面表现出色，但它们并不是在当前意义上具有意识的，它们只是复杂的数学算法。
开源的基于流的文本到图像生成模型
AuraFlow v0.1是一个完全开源的、基于流的文本到图像生成模型，它在GenEval上达到了最先进的结果。目前模型处于beta阶段，正在不断改进中，社区反馈至关重要。感谢两位工程师@cloneofsimo和@isidentical将此项目变为现实，以及为该项目奠定基础的研究人员。
全能型图像生成与编辑模型
ControlNet++是一种基于ControlNet架构的新型网络设计，支持10多种控制类型，用于条件文本到图像的生成，并能生成与midjourney视觉可比的高分辨率图像。它通过两个新模块扩展了原有ControlNet，支持使用相同网络参数的不同图像条件，并支持多条件输入而不增加计算负担。该模型已开源，旨在让更多人享受图像生成与编辑的便利。
基于潜在扩散模型的大规模文本到图像生成模型
Kolors是由快手Kolors团队开发的大规模文本到图像生成模型，基于潜在扩散模型，训练于数十亿文本-图像对。它在视觉质量、复杂语义准确性以及中英文文本渲染方面，均优于开源和闭源模型。Kolors支持中英文输入，尤其在理解及生成中文特定内容方面表现突出。
生成卡通插值研究论文
ToonCrafter是一个开源的研究项目，专注于使用预训练的图像到视频扩散先验来插值两张卡通图像。该项目旨在积极影响AI驱动的视频生成领域，为用户提供创造视频的自由，但要求用户遵守当地法律并负责任地使用。
自托管的开源OpenAI替代品，支持文本、音频、图像生成
LocalAI 是一个自托管的开源 OpenAI 替代品，可在消费级硬件上运行，支持本地或本地部署的文本、音频、图像生成。它提供了 GPT 等模型的文本生成功能，同时支持文本转语音、图像生成等多种功能。由于其开源自托管的特性，用户可以自由定制和部署，不受云端 API 限制，适合对数据隐私和安全性有要求的用户。LocalAI 的定位是为那些寻求自主控制、不依赖于第三方服务的个人用户或组织提供强大的 AI 生成能力。
一步生成高分辨率图像
SDXL-Lightning是字节跳动开发的图像生成模型,能够在一步或少步骤内生成高达1024像素分辨率的高质量图像。该模型通过渐进式对抗式蒸馏,显著提升了图像生成速度,使其可应用于需要快速响应的场景。模型已开源,支持兼容LoRA模块和其他控制插件,可广泛用于文本到图像生成任务。
Stable Diffusion WebUI Forge是基于Stable Diffusion WebUI的图像生成平台
Stable Diffusion WebUI Forge基于Stable Diffusion WebUI和Gradio开发,旨在优化资源管理、加速推理。相比原版WebUI在1024px分辨率下的SDXL推理,Forge可提升30-75%的速度,最大分辨率提升2-3倍,最大batch size提升4-6倍。Forge保持了原版WebUI的所有功能,同时新增了DDPM、DPM++、LCM等采样器,实现了Free U、SVD、Zero123等算法。使用Forge的UNet Patcher,开发者可以用极少的代码实现算法。Forge还优化了控制网络的使用,实现真正的零内存占用调用。
Stability AI推出高效低阈值文生图AI模型
Stable Cascade是一个基于Würstchen架构的文本到图像生成模型,相比其他模型使用更小的潜在空间进行训练和推理,因此在训练和推理速度上都有显著提升。该模型可以在消费级硬件上运行,降低了使用门槛。Stable Cascade在人类评估中表现突出,无论是在提示对齐还是图像质量上都超过了其他模型。总体而言,这是一个高效、易用、性能强劲的文生图AI模型。
开源双语文生图生成模型
Taiyi-Diffusion-XL是一个开源的基于Stable Diffusion训练的双语文生图生成模型,支持英文和中文的文本到图像生成,相比之前的中文文生图模型有了显著提升。它可以根据文本描述生成照片般逼真的图像,支持多种图像风格,具有较高的生成质量和多样性。该模型采用创新的训练方式,扩展了词表、位置编码以支持长文本和中文,并在大规模双语数据集上进行训练,确保了其强大的中英文生成能力。
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。
开源文本到图像生成模型
aMUSEd是一个开源平台，提供各种自然语言处理（NLP）模型、数据集和工具。其中包括aMUSEd，一个基于MUSE的轻量级遮蔽图像模型（MIM），用于文本到图像的生成。相比于潜在扩散（latent diffusion），MIM需要更少的推理步骤并且更易解释。此外，MIM可以通过仅有一张图片进行微调以学习额外的风格。aMUSEd还提供了两个模型的检查点，可以直接生成256x256和512x512分辨率的图像。
开源自托管的聊天GPT替代品
Jan是一款开源、自托管的聊天GPT替代品，可以100%离线在您的计算机上运行。Jan提供可定制的AI助手、全局热键和内联AI等功能，可以提高您的生产力。Jan支持在本地主机上提供OpenAI等价API服务器，可以与兼容的应用程序一起使用。Jan的对话、偏好和模型使用等数据都保留在您的计算机上，安全、可导出，并可随时删除。
释放创造力，快速高质量创作视觉作品
DomoAI是一款图像创作工具，提供多种预设的人工智能模型，让用户轻松实现在所有项目中统一的绘画风格。其简洁高效的设计旨在让用户快速掌握工具，打造出完美的视觉资产。用户可以利用DomoAI的工具进行快速实验，产生迅速增强创造力的成果。此外，DomoAI还提供文字转艺术功能，让用户在20秒内将想象变为现实，以及将动漫梦想变为现实世界的奇迹。
PixWeaver是一款AI辅助创作平台
PixWeaver是一个基于人工智能的图像创作平台。它能帮助用户无需学习复杂的设计软件,通过语音或文字描述就可以生成理想中的图像。用户只需输入几句话语言描述,PixWeaver的强大AI模型就可以自动生成高质量图片。平台还提供了图片处理、修图等后期处理功能。PixWeaver使创作变得简单有趣,用户可以随心所欲地发挥无限创意,实现图像创作的完全解放。
100%免费AI动漫生成器
AnimeArt.Studio是一个拥有大量开源AI动漫模型的平台，提供图像、声音、视频和动画生成等多种功能。我们的AI动漫模型经过独特风格的预训练，确保每次使用都能获得令人印象深刻的结果。与其他平台不同的是，AnimeArt.Studio让您可以使用同一提示探索多种模型，同时运行同一提示，观察您的想象力在实时中变为现实。我们的模型不仅高效，而且免费供个人和商业项目使用。如果您有任何疑问或问题，我们的专业团队将随时为您提供帮助。
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。
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。
运用人工智能推动创意的发展。
Runway 是一家应用人工智能研究公司，致力于塑造艺术、娱乐和人类创造力的下一个时代。我们提供 30 多种 AI 魔法工具，包括生成视频、生成图像、无限扩展图像、重新想象图像等功能。我们的产品定位于帮助全球品牌、企业和创意人士转变叙事方式。
开源的AI代理/RAG应用的监控与分析工具
Laminar是一个开源的监控和分析工具，专为AI代理和RAG应用设计，提供类似于DataDog和PostHog的功能。它基于OpenTelemetry进行自动监控，支持快速、可靠的数据收集和分析。Laminar使用Rust编写，具有高性能和可靠性，适用于大规模数据处理。它通过提供详细的追踪、事件和分析功能，帮助开发者和企业优化AI应用的性能和用户体验。
开源视频编辑框架，支持自动化视频工作流。
Revideo是一个基于Motion Canvas的开源框架，用于程序化视频编辑。它允许开发者自动化复杂的视频工作流程，或在浏览器中构建完整的视频编辑器。Revideo支持使用Typescript创建视频模板，并能够即时预览和渲染为MP4格式的视频。它适用于大规模视频生成、A/B测试视频广告、构建网页内的视频编辑器或视频游戏等场景。
世界顶尖的开源大型语言模型
Reflection Llama-3.1 70B 是目前世界上顶尖的开源大型语言模型（LLM），采用名为 Reflection-Tuning 的新技术进行训练，使模型能够检测其推理中的错误并进行修正。该模型在合成数据上进行了训练，这些数据由 Glaive 生成。对于正在训练模型的用户来说，Glaive 是一个非常出色的工具。该模型使用标准的 Llama 3.1 聊天格式，通过特殊的标签来区分模型的内部思考和最终答案，从而提升用户体验。
高效开源的大型语言模型
OLMoE-1B-7B 是一个具有1亿活跃参数和7亿总参数的专家混合型大型语言模型（LLM），于2024年9月发布。该模型在成本相似的模型中表现卓越，与更大的模型如Llama2-13B竞争。OLMoE完全开源，支持多种功能，包括文本生成、模型训练和部署等。
开源的专家混合语言模型，具有1.3亿活跃参数。
OLMoE是一个完全开放的、最先进的专家混合模型，具有1.3亿活跃参数和6.9亿总参数。该模型的所有数据、代码和日志都已发布。它提供了论文'OLMoE: Open Mixture-of-Experts Language Models'的所有资源概览。该模型在预训练、微调、适应和评估方面都具有重要应用，是自然语言处理领域的一个里程碑。
AI助手，简化代码审查流程
pr-agent是CodiumAI推出的一款AI助手工具，旨在帮助开发者更快速、高效地审查代码。它能够自动分析提交和PR，并提供多种反馈，如自动生成PR描述、主题反馈、安全问题、代码建议等。该工具支持多种编程语言，并且是开源的，可在GitHub上找到。它通过简化代码审查流程，提高软件质量，是开发团队和个人开发者的得力助手。
使用AI技术，快速总结网站法律政策。
DocDecoder是一款Chrome浏览器插件，利用GPT-4技术，为用户提供网站法律政策的清晰、简洁摘要。它通过颜色编码直观地突出显示对用户有实际影响的条款，包括积极、消极和中性影响。用户可以输入任何法律政策的URL，DocDecoder会告诉用户它如何影响他们。此外，它还标记出潜在有害的条款，并允许用户无限次查看现有的摘要。DocDecoder旨在帮助用户快速理解他们在网上实际同意的内容。
使用AI技术生成逼真的人像照片和视频。
Photo AI™ 是一个利用人工智能技术生成逼真人像照片和视频的在线平台。用户可以上传自拍照，创建自己的AI模型，然后在不同的场景、姿势和动作中生成100%由AI制作的照片。这项技术对于内容创作者来说是一个革命性的工具，因为它可以节省时间和金钱，用户无需聘请昂贵的摄影师即可进行照片拍摄。Photo AI™ 提供了多种功能，包括但不限于服装试穿、场景设计、视频剪辑等，非常适合需要大量高质量图像的社交媒体营销人员、电子商务店主和创意专业人士。产品背景由Pieter Levels创建，他是一位知名的荷兰独立创业者，也是多个成功项目的创始人。产品的价格策略是订阅制，提供不同层级的服务套餐，以满足不同用户的需求。
© 2024 AIbase 备案号：闽ICP备08105208号-14