产品库

基于文本描述实现多尺度连续缩放视频生成。

Generative Powers of Ten是一种利用文本到图像模型生成多尺度一致内容的方法，能够实现对场景的极端语义缩放，例如从森林的广角景观视图到树枝上昆虫的微距拍摄。这种表示方式使我们能够渲染连续缩放视频，或者交互式地探索场景的不同尺度。我们通过一种联合多尺度扩散采样方法实现这一点，该方法鼓励在不同尺度之间保持一致性，同时保留每个单独采样过程的完整性。由于每个生成的尺度都由不同的文本提示指导，我们的方法能够实现比传统的超分辨率方法更深层次的缩放，后者可能难以在完全不同的尺度上创建新的上下文结构。我们在图像超分辨率和外部绘制的替代技术上对我们的方法进行了定性比较，并表明我们的方法在生成一致的多尺度内容方面最为有效。

生成多视角视频的模型

Stable Video 4D (SV4D) 是基于 Stable Video Diffusion (SVD) 和 Stable Video 3D (SV3D) 的生成模型，它接受单一视角的视频并生成该对象的多个新视角视频（4D 图像矩阵）。该模型训练生成 40 帧（5 个视频帧 x 8 个摄像机视角）在 576x576 分辨率下，给定 5 个相同大小的参考帧。通过运行 SV3D 生成轨道视频，然后使用轨道视频作为 SV4D 的参考视图，并输入视频作为参考帧，进行 4D 采样。该模型还通过使用生成的第一帧作为锚点，然后密集采样（插值）剩余帧来生成更长的新视角视频。

多模态大型模型，处理文本、图像和视频数据

Valley是由字节跳动开发的尖端多模态大型模型，能够处理涉及文本、图像和视频数据的多种任务。该模型在内部电子商务和短视频基准测试中取得了最佳结果，比其他开源模型表现更优。在OpenCompass测试中，与同规模模型相比，平均得分大于等于67.40，在小于10B模型中排名第二。Valley-Eagle版本参考了Eagle，引入了一个可以灵活调整令牌数量并与原始视觉令牌并行的视觉编码器，增强了模型在极端场景下的性能。

多模态大型模型，处理文本、图像和视频数据

Valley-Eagle-7B是由字节跳动开发的多模态大型模型，旨在处理涉及文本、图像和视频数据的多种任务。该模型在内部电子商务和短视频基准测试中取得了最佳结果，并在OpenCompass测试中展现出与同规模模型相比的卓越性能。Valley-Eagle-7B结合了LargeMLP和ConvAdapter构建投影器，并引入了VisionEncoder，以增强模型在极端场景下的性能。

Stability AI 生成模型是一个开源的生成模型库。

Stability AI 生成模型是一个开源的生成模型库，提供了各种生成模型的训练、推理和应用功能。该库支持各种生成模型的训练，包括基于 PyTorch Lightning 的训练，提供了丰富的配置选项和模块化的设计。用户可以使用该库进行生成模型的训练，并通过提供的模型进行推理和应用。该库还提供了示例训练配置和数据处理的功能，方便用户进行快速上手和定制。

药物原子尺度仿真

Lavo Life Sciences是一家早期阶段的初创公司，通过开发软件工具来加速药物开发。我们的AI加速化学仿真使药物性质预测比现有解决方案更便宜、更可靠。我们的软件模拟药物在原子尺度上的行为，帮助制药公司更快地将治疗方法带给患者。我们的技术可以加速您的药物开发工作。

大型多模态模型，处理多图像、视频和3D数据。

LLaVA-NeXT是一个大型多模态模型，它通过统一的交错数据格式处理多图像、视频、3D和单图像数据，展示了在不同视觉数据模态上的联合训练能力。该模型在多图像基准测试中取得了领先的结果，并在不同场景中通过适当的数据混合提高了之前单独任务的性能或保持了性能。

Sora替代方案，集成多AI视频模型，支持上传参考图生成视频。

Sora Alternative是一款基于网页浏览器的AI视频生成工具，可作为Sora的替代方案。它集成了Seedance、Veo、Wan和Grok Video等10种顶级AI视频模型，用户可不受单一平台限制。产品免费使用，定位是为AI视频创作提供便捷、高效的解决方案，其重要性在于为用户提供多样化的视频生成选择，且在Sora宣布关闭的背景下，为用户提供了新的视频创作途径。

使用简单的提示和图像生成视频片段。

Adobe Firefly 是一款基于人工智能技术的视频生成工具。它能够根据用户提供的简单提示或图像快速生成高质量的视频片段。该技术利用先进的 AI 算法，通过对大量视频数据的学习和分析，实现自动化的视频创作。其主要优点包括操作简单、生成速度快、视频质量高。Adobe Firefly 面向创意工作者、视频制作者以及需要快速生成视频内容的用户，提供高效、便捷的视频创作解决方案。目前该产品处于 Beta 测试阶段，用户可以免费使用，未来可能会根据市场需求和产品发展进行定价和定位。

统一多模态视频生成系统

UniVG是一款统一多模态视频生成系统，能够处理多种视频生成任务，包括文本和图像模态。通过引入多条件交叉注意力和偏置高斯噪声，实现了高自由度和低自由度视频生成。在公共学术基准MSR-VTT上实现了最低的Fr'echet视频距离（FVD），超越了当前开源方法在人类评估上的表现，并与当前闭源方法Gen2不相上下。

利用AI技术快速生成视频内容

AI视频生成神器是一款利用人工智能技术，将图片或文字转换成视频内容的在线工具。它通过深度学习算法，能够理解图片和文字的含义，自动生成具有吸引力的视频内容。这种技术的应用，极大地降低了视频制作的成本和门槛，使得普通用户也能轻松制作出专业级别的视频。产品背景信息显示，随着社交媒体和视频平台的兴起，用户对视频内容的需求日益增长，而传统的视频制作方式成本高、耗时长，难以满足快速变化的市场需求。AI视频生成神器的出现，正好填补了这一市场空白，为用户提供了一种快速、低成本的视频制作解决方案。目前，该产品提供免费试用，具体价格需要在网站上查询。

集成多AI模型，可通过对话生成图像、视频和声音，优化创意流程。

Lucent Chat是一个一体化的AI创意工作空间，它将多个领先的AI模型整合到一个平台上，为创作者和营销人员提供了高效的创意解决方案。该平台的重要性在于它简化了创意工作流程，无需用户精通复杂的提示技巧就能轻松进行创作。其主要优点包括支持多种创意形式（图像、视频、声音）的生成和编辑，能够根据用户的想法快速迭代和优化作品。产品背景是在AI技术快速发展的背景下，为满足创意行业对高效工具的需求而开发。价格方面，不同的AI模型和功能使用需要消耗不同数量的积分，例如Sora 2 Fast模式下10积分每秒，Pro模式50积分每秒等。其定位是面向创意行业，帮助用户更快速、高质量地完成创意作品。

字节跳动自研大模型，提供多模态能力

豆包大模型是字节跳动推出的自研大模型，通过内部50+业务场景实践验证，每日万亿级tokens大使用量持续打磨，提供多模态能力，以优质模型效果为企业打造丰富的业务体验。产品家族包括多种模型，如通用模型、视频生成、文生图、图生图、同声传译等，满足不同业务需求。

面向长期视频理解的大规模多模态模型

MA-LMM是一种基于大语言模型的大规模多模态模型,主要针对长期视频理解进行设计。它采用在线处理视频的方式,并使用记忆库存储过去的视频信息,从而可以在不超过语言模型上下文长度限制或GPU内存限制的情况下,参考历史视频内容进行长期分析。MA-LMM可以无缝集成到当前的多模态语言模型中,并在长视频理解、视频问答和视频字幕等任务上取得了领先的性能。

多模型AI视频与图像生成平台，一个账号调用20余款旗舰模型。

FlyAIgh是一款多模型AI视频与图像生成平台。其重要性在于整合了多种行业内顶尖的AI模型，为用户提供了一站式的创作体验。主要优点包括：一个账号可调用20余款旗舰模型，如Sora 2、VEO 3.1等；拥有统一的素材库，方便管理生成结果；具备多供应商容错切换功能，保证生成流程稳定；还提供AI导演功能，可根据一句话生成完整分镜。产品背景是为了解决用户在使用多个AI模型时的繁琐问题。价格方面，免费起步，有基础版（11.99美元/月）、专业版（47.99美元/月）、高级版（79.99美元/月）等不同套餐可供选择，每个套餐都解锁全部15个AI视频与图像模型。定位是为创作者提供便捷、高效、高质量的AI创作平台。

人工智能领域的多轮对话处理专家

汉王天地大模型是汉王科技推出的一款专注于人工智能领域的大语言模型，拥有30年的行业积累。它能够实现多轮对话，高效处理任务，并深耕办公、教育、人文等多个垂直细分领域。该模型通过从人类反馈中进行强化学习，不断优化自身智能，提供包括智能校对、自动翻译、法律咨询、绘画生成、文案生成等在内的多样化服务，以赋能法律、人文、办公、教育、医养等行业，提升效率和创意。

多模态大型语言模型，支持图像和文本处理。

Llama-3.2-11B-Vision 是 Meta 发布的一款多模态大型语言模型（LLMs），它结合了图像和文本处理的能力，旨在提高视觉识别、图像推理、图像描述和回答有关图像的一般问题的性能。该模型在常见的行业基准测试中的表现超过了众多开源和封闭的多模态模型。

多模态原生混合专家模型

Aria是一个多模态原生混合专家模型，具有强大的多模态、语言和编码任务性能。它在视频和文档理解方面表现出色，支持长达64K的多模态输入，能够在10秒内描述一个256帧的视频。Aria模型的参数量为25.3B，能够在单个A100（80GB）GPU上使用bfloat16精度进行加载。Aria的开发背景是满足对多模态数据理解的需求，特别是在视频和文档处理方面。它是一个开源模型，旨在推动多模态人工智能的发展。

通过文本生成高质量AI视频

Sora视频生成器是一个可以通过文本生成高质量AI视频的在线网站。用户只需要输入想要生成视频的文本描述,它就可以使用OpenAI的Sora AI模型,转换成逼真的视频。网站还提供了丰富的视频样例,详细的使用指南和定价方案等。

首个多模态 Mistral 模型，支持图像和文本的混合任务处理。

Pixtral 12B 是 Mistral AI 团队开发的一款多模态 AI 模型，它能够理解自然图像和文档，具备出色的多模态任务处理能力，同时在文本基准测试中也保持了最先进的性能。该模型支持多种图像尺寸和宽高比，能够在长上下文窗口中处理任意数量的图像，是 Mistral Nemo 12B 的升级版，专为多模态推理而设计，不牺牲关键文本处理能力。

HappyHorse 1.0可将文本或图像转化为高清AI视频，有免费额度，免信用卡试用。

HappyHorse 1.0是一个基于先进人工智能技术的视频生成平台，其重要性在于为创作者提供了便捷、高效的视频创作途径。该平台的主要优点包括：支持文本和图像转视频，输出高清视频，具备商业使用许可，提供免费额度，无需信用卡即可试用。产品定位为满足创作者和团队对于高质量视频制作的需求，适用于社交媒体内容创作、营销广告等领域。价格方面，有不同质量和时长的套餐可供选择，例如标准质量5秒180积分，10秒360积分；Pro质量5秒240积分，10秒480积分。

多模态图像生成模型

Instruct-Imagen是一个多模态图像生成模型，通过引入多模态指令，实现对异构图像生成任务的处理，并在未知任务中实现泛化。该模型利用自然语言整合不同的模态（如文本、边缘、风格、主题等），标准化丰富的生成意图。通过在预训练文本到图像扩散模型上进行两阶段框架的微调，采用检索增强训练和多样的图像生成任务微调，使得该模型在各种图像生成数据集上的人工评估结果表明，其在领域内与先前的任务特定模型相匹配或超越，并展现出对未知和更复杂任务的有希望的泛化能力。

Vidzoo AI免费生成高分辨率AI视频和图像，多模型集成一键生成

Vidzoo AI是一款集多种强大AI模型于一体的视频和图像生成工具，其重要性体现在为创作者提供了一站式的内容创作解决方案。主要优点包括：可访问世界顶级AI模型，无需多个账户；能生成4K分辨率的广播级视频和高分辨率图像，内容出众；操作界面直观，零技术门槛；生成的资产拥有完整商业使用权；借助优化的云基础设施实现快速渲染；支持跨平台工作流程，便于创建综合创意活动；可节省大量制作成本；具备企业级安全保障。价格方面，提供免费使用。该产品定位于专业创作者以及有内容创作需求的人士，帮助他们高效、便捷地生成专业级的视频和图像内容。

免费无限的AI图像与视频生成器，多模型智能路由

Muse Art AI是一款综合性的AI图像与视频创作平台，它整合了Z - Image、Flux 2、Qwen、Veo 3、Kling、Sora 2、Nano Banana 2等多种先进的AI模型。主要优点在于免费且无限使用，通过智能路由技术，能根据需求自动选择合适的模型，为用户提供高效、便捷的创作体验。该平台定位为一站式的创意中心，满足不同用户在图像和视频创作方面的需求。价格方面，用户可免费使用部分功能，同时也提供付费升级选项。

基于Omni AI Model的多模态AI视频生成器，支持多形式创作编辑。

Omni AI Video是基于强大的Omni AI Model构建的先进多模态视频生成系统。其重要性在于为创作者提供了一站式的AI视频创作解决方案。主要优点包括支持文本、图像、音频和视频输入，实现统一的多模态处理；无需切换工具，提高创作效率；输出高质量视频，适用于多种商业场景。产品背景是满足创作者对高效、多功能AI视频创作工具的需求。价格方面，有每日免费信用额度1 Credit，同时有不同的付费计划可供选择，价格即将上调，现在订阅可锁定低价。定位为面向创作者的一站式AI创意平台，提供7种顶级AI模型用于视频、图像、音乐和语音生成。

多模态AI模型，图像理解与生成兼备

Mini-Gemini是由香港中文大学终身教授贾佳亚团队开发的多模态模型，具备精准的图像理解能力和高质量的训练数据。该模型结合图像推理和生成，提供不同规模的版本，性能与GPT-4和DALLE3相媲美。Mini-Gemini采用Gemini的视觉双分支信息挖掘方法和SDXL技术，通过卷积网络编码图像并利用Attention机制挖掘信息，同时结合LLM生成文本链接两个模型。

LLaVA-Mini是可高效理解图像、视频的大型多模态模型。

由ictnlp团队开发的多模态模型，仅用1个视觉令牌提效，改进多项性能，开源免费，适用于需快速准确理解视觉内容的场景。

免费去除 Sora AI 视频中的水印，快速清晰处理。

该工具允许用户快速上传带水印的 Sora 视频，并通过 AI 技术自动检测和移除水印，极大地提高了视频处理的效率。其重要性在于帮助用户轻松获取无水印的清晰视频，适用于内容创作者和视频编辑者。该工具免费使用，提供每日视频处理的限制，满足日常需求。

情商智商俱佳的多模态大模型

西湖大模型是心辰智能云推出的一款具有高情商和智商的多模态大模型，它能够处理包括文本、图像、声音等多种数据类型，为用户提供智能对话、写作、绘画、语音等AI服务。该模型通过先进的人工智能算法，能够理解和生成自然语言，适用于多种场景，如心理咨询、内容创作、客户服务等，具有高度的定制性和灵活性。西湖大模型的推出，标志着心辰智能云在AI领域的技术实力和创新能力，为用户提供了更加丰富和高效的智能服务体验。

基于 AI 技术生成视频内容的智能服务。

清影 AI 视频生成服务是一个创新的人工智能平台，旨在通过智能算法生成高质量的视频内容。该服务适合各种行业用户，能够快速便捷地生成富有创意的视觉内容。无论是商业广告、教育课程还是娱乐视频，清影 AI 都能提供优质的解决方案。该产品依托于先进的 GLM 大模型，确保生成内容的准确性与丰富性，同时满足用户个性化需求。提供免费试用，鼓励用户探索 AI 视频创作的无限可能。