产品库

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。

将文本转换为图像或语音的开源AI模型

Text2Multimedia是一款使用开源AI模型将文本转换为图像或语音的工具。该工具提供了文本转图像和文本转语音的功能，用户可以通过描述文本来生成对应的视觉或声音表达。生成的图像和音频质量取决于算法的复杂性和训练数据的数量。这项技术可以用于艺术创作、设计资产以及教育材料的制作，是一种表达创意的强大工具。

EasyDiffusion Online - 免费生成图片的AI制图工具

EasyDiffusion Online是一款由Stable Diffusion驱动的免费AI图像生成工具。我们领先的文本转图像AI解决方案可以在短时间内将您输入的文字转化为精美高质量的图像。

GPT和文本转语音

这款应用是一款集成了GPT和文本转语音功能的AI助手，能够实现消息同步、自定义提示、文本转图像以及键盘扩展等功能。用户可以在iPhone、iPad和macOS设备上进行多设备同步使用，支持多语言，提供订阅服务。通过iCloud实现消息同步，支持Shortcuts和Siri，同时还集成了稳定扩散模型。用户还可以自定义对话内容和提示，并且通过键盘扩展功能在任何应用中快速使用AI。此外，用户还可以预览和拖动生成的图像至其他应用中。

Moji AI - Chat & Content AI，智能写作与视觉AI

Moji AI - Chat & Content AI是您掌握内容创作艺术的终极多合一应用，由先进的人工智能驱动。Moji AI简化并提升了您的写作和内容管理体验，是专业人士和创意人士的必不可少的工具。主要功能包括AI写作助手、电子邮件写作模板、文本转图像生成、Instagram参与率计算器等。Moji AI - Chat & Content AI Pro计划：月度：$9.99，年度：$89.99。适用于iPhone、iPad和Mac，支持英语语言。

免费AI艺术生成器，将您的想法轻松转化为令人惊叹的视觉杰作！

JourneyDraw是一款拥有强大AI绘图技术的专业绘图软件，配备了强大的AI引擎，提供用户一系列创新功能。通过先进的AI内容生成技术，JourneyDraw能够实现文本转图像和图像转图像等多样化的图像创作。不论是墨风、色彩丰富的动漫、逼真的艺术还是二维作品，JourneyDraw都能满足您多样化的需求。

百万模型、超低价格的AI图像生成API

novita.ai是一个拥有10000+模型的AI图像生成API平台。它提供了包括文本转图像、图像转图像、修复图像等多种功能。novita.ai的优势在于快速、低价和可自定义模型。它的定价方式是按需付费，每个标准图像的价格仅为0.0015美元。用户可以根据自己的需求添加自定义模型，避免了GPU维护的麻烦。

简单的文字转图片工具和模板

Eye for AI是一个易于使用的文本转图像工具和模板平台。它提供了以下功能和优势： 在一分钟内从文本创建图像 可视化“提示构建器”轻松创建复杂的提示 将提示保存为模板，用于强大的无代码工作流 使用您自己的图像训练我们的AI来与您的提示一起使用 Eye for AI适用于各种使用场景，包括创意插画、照片合成、概念艺术等。它提供了多个模板供用户选择，包括头像插画、矢量插图、照片合成、概念艺术和可爱的等距房间渲染。Eye for AI是一个免费试用的产品，用户可以在网站上注册并开始使用。

免费文本转图像生成器

WPimagines AI图像生成器是一个免费的文本转图像生成器，您可以根据提供的文本生成图像并下载。它使用人工智能技术，具有快速、高质量的图像生成能力。该产品定位于为用户提供简单、方便的方式来生成图像，可用于各种场景，如设计、插图、博客配图等。该产品免费使用，无需注册。

一键生成独特艺术作品的免费AI生成器

Artimator是一款基于Stable Diffusion和SDXL人工智能艺术技术的免费AI艺术生成器。它可以通过文字描述或图片快速生成不同风格的独特艺术作品。Artimator支持文本转图像、自拍风格化、卡通重绘、物体删除等功能。用户可以免费下载高质量的艺术作品，并拥有商业使用的所有权益。

基于ChatGPT的AI智能绘画技术，打造最先进、最高质量的图像生成工具

欢迎使用JourneyDraw，一款拥有强大AI引擎的专业绘画软件，提供用户一系列创新功能。通过先进的AI内容生成技术，JourneyDraw能够实现多样化的图像创作，如文本转图像和图像转图像。无论是墨风、多彩动漫、逼真艺术还是二维作品，JourneyDraw都能满足您的多样化需求。

快速AI图像生成API

Prodia是一款快速AI图像生成API，可在数秒内将文本转换为惊人的视觉效果，与传统云相比，可将文本转图像的生产成本降低50%至90%。Prodia拥有超过10,000个GPU，可生成5000万张图像，可满足广泛的应用需求。

定制独特的故事书

你的故事书是一个儿童创作书籍的网站。孩子们可以在这里创作自己的故事书。我们提供文本转图像的技术，使用人工智能和机器学习技术，将文字内容转换为精美的图像插图。这样孩子们就可以根据自己的创意编写故事，并通过图像插图使其更加生动。我们的定价灵活多样，可以根据书籍的页数和图像数量进行调整。你的故事书的定位是一个儿童文学创作平台，旨在激发孩子们的想象力和创造力。

AI革命的Photoshop插件

飞狗AI for Photoshop是一款革命性的插件，通过集成DALL-E 2和Stable Diffusion技术，加速设计师的工作流程。它提供了强大的AI编辑功能，包括稳定扩散和DALL-E 2连接器，支持自定义稳定扩散服务器，文本转图像、修复、生成和转换等功能，同时还提供背景任务、多服务器管理等高级功能。飞狗AI for Photoshop将极大地改变你的设计工作流程。

AI艺术生成，稳定扩散

DiffusionBee是一款使用稳定扩散技术在计算机上生成AI艺术的最简单方法。完全免费。离线运行。无限制。包括文本转图像、图像转图像、修复、扩展、提升分辨率等功能。支持自定义模型和高级选项。生成过程完全在本地进行，保护用户隐私。活跃的社区提供支持和交流。价格：免费。

AI艺术生成器，让你的创造力和生产力提升10倍

AI艺术生成器可以让你的创造力和生产力提升10倍。它提供了20多个模型和风格供你选择，支持文本转图像、图像转图像、控制网络、修复画面等功能，还有面部/动漫增强功能，并支持2倍和4倍放大。此外，它还提供了1000万个创作提示，助你更快地获得灵感。

多语言大型语言模型，优化对话场景。

Meta Llama 3.1是一系列多语言的大型预训练和指令调整的生成模型，包含8B、70B和405B大小的版本。这些模型专为多语言对话用例而优化，并在常见行业基准测试中表现优于许多开源和闭源聊天模型。模型使用优化的transformer架构，并通过监督式微调(SFT)和强化学习与人类反馈(RLHF)进行调整，以符合人类对有用性和安全性的偏好。

文本到视频生成领域的先进模型架构

Open-Sora Plan v1.2是一个开源的视频生成模型，专注于文本到视频的转换任务。它采用3D全注意力架构，优化了视频的视觉表示，并提高了推理效率。该模型在视频生成领域具有创新性，能够更好地捕捉联合空间-时间特征，为视频内容的自动生成提供了新的技术路径。

视频到音频生成模型，增强同步性

MaskVAT是一种视频到音频(V2A)生成模型，它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性，以避免不自然的同步问题。MaskVAT结合了全频带高质量通用音频编解码器和序列到序列的遮蔽生成模型，能够在保证高音频质量、语义匹配和时间同步性的同时，达到与非编解码器生成音频模型相媲美的竞争力。

基于Transformer的文本到音乐生成模型

MusiConGen是一个基于Transformer的文本到音乐生成模型，它通过时间条件增强对节奏和和弦的控制。该模型从预训练的MusicGen-melody框架中微调而来。它使用符号表示的和弦和节奏控制，并结合五种不同风格的文本描述来生成样本。生成样本的和弦通过BTC和弦识别模型进行估计，如论文中所述。

交互式模块化服装生成

IMAGDressing是一个交互式模块化服装生成模型，旨在为虚拟试穿系统提供灵活和可控的定制化服务。该模型通过结合CLIP的语义特征和VAE的纹理特征，使用混合注意力模块将这些特征整合到去噪UNet中，确保用户可以控制编辑。此外，IMAGDressing还提供了IGPair数据集，包含超过30万对服装和穿着图像，建立了标准的数据组装流程。该模型可以与ControlNet、IP-Adapter、T2I-Adapter和AnimateDiff等扩展插件结合使用，增强多样性和可控性。

文本生成领域的先进模型

H2O Danube3 是由 h2oai 公司开发的一系列文本生成模型，这些模型专注于提供高质量的文本生成服务，广泛应用于聊天机器人、内容创作等领域。它们具备强大的语言理解和生成能力，能够根据给定的上下文生成连贯、准确的文本。

多模态长篇故事生成模型

SEED-Story是一个基于大型语言模型（MLLM）的多模态长篇故事生成模型，能够根据用户提供的图片和文本生成丰富、连贯的叙事文本和风格一致的图片。它代表了人工智能在创意写作和视觉艺术领域的前沿技术，具有生成高质量、多模态故事内容的能力，为创意产业提供了新的可能性。

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。

多语言大型语音生成模型，提供全栈推理、训练和部署能力。

CosyVoice 是一个多语言的大型语音生成模型，它不仅支持多种语言的语音生成，还提供了从推理到训练再到部署的全栈能力。该模型在语音合成领域具有重要性，因为它能够生成自然流畅、接近真人的语音，适用于多种语言环境。CosyVoice 的背景信息显示，它是由 FunAudioLLM 团队开发，使用了 Apache-2.0 许可证。

好莱坞级别的视觉AI，创造震撼故事。

Odyssey是一个由AI研究人员、计算机图形专家和好莱坞艺术家共同开发的高级视觉AI模型。它旨在为专业的故事讲述者提供一种新的方式来创造电影、电视节目和视频游戏。Odyssey通过生成和控制美丽的风景、角色、照明和动作，为创作者提供了前所未有的创意和控制力。它通过训练四个强大的生成模型，允许对视觉叙事的每个主要层进行精细控制，包括高质量的几何形状、逼真的材料、令人惊叹的照明和可控的动作。Odyssey的团队在AI和模拟系统领域有着丰富的经验，并得到了世界级投资者的支持。

可控视频和图像生成技术

ControlNeXt是一个开源的图像和视频生成模型，它通过减少高达90%的可训练参数，实现了更快的收敛速度和卓越的效率。该项目支持多种控制信息形式，并且可以与LoRA技术结合使用，以改变风格并确保更稳定的生成效果。

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。

开源的多语言代码生成模型

CodeGeeX4-ALL-9B是CodeGeeX4系列模型的最新开源版本，基于GLM-4-9B持续训练，显著提升了代码生成能力。它支持代码补全、生成、代码解释、网页搜索、函数调用、代码问答等功能，覆盖软件开发的多个场景。在公共基准测试如BigCodeBench和NaturalCodeBench上表现优异，是参数少于10亿的最强代码生成模型，实现了推理速度与模型性能的最佳平衡。

音频生成与自动字幕生成模型

GenAU是一个由Snap Research开发的音频生成模型，它通过AutoCap自动字幕生成模型和GenAu音频生成架构，显著提升了音频生成的质量。它在生成环境声音和效果方面具有挑战性，特别是在数据稀缺和字幕质量不足的情况下。GenAU模型能够生成高质量的音频，并且在音频合成领域具有很大的潜力。