产品库

提升基于拖拽的图像编辑的交互性和速度

InstantDrag是一个优化自由的流程，它通过仅使用图像和拖拽指令作为输入，增强了交互性和速度。该技术由两个精心设计的网络组成：拖拽条件的光流生成器（FlowGen）和光流条件的扩散模型（FlowDiffusion）。InstantDrag通过将任务分解为运动生成和运动条件图像生成，学习了基于真实世界视频数据集的拖拽图像编辑的运动动态。它能够在不需要掩码或文本提示的情况下，快速执行逼真的编辑，这使得它成为交互式、实时应用的有前景的解决方案。

全能的创造者和编辑器，通过扩散变换遵循指令

ACE是一个基于扩散变换的全能创造者和编辑器，它能够通过统一的条件格式Long-context Condition Unit (LCU)输入，实现多种视觉生成任务的联合训练。ACE通过高效的数据收集方法解决了训练数据缺乏的问题，并通过多模态大型语言模型生成准确的文本指令。ACE在视觉生成领域具有显著的性能优势，可以轻松构建响应任何图像创建请求的聊天系统，避免了视觉代理通常采用的繁琐流程。

逆向绘画技术，重现绘画过程

Inverse Painting 是一种基于扩散模型的方法，能够从一幅目标画作生成绘画过程的时间流逝视频。该技术通过训练学习真实艺术家的绘画过程，能够处理多种艺术风格，并生成类似人类艺术家的绘画过程视频。它结合了文本和区域理解，定义了一组绘画指令，并使用新颖的扩散基础渲染器更新画布。该技术不仅能够处理训练中有限的丙烯画风格，还能为广泛的艺术风格和流派提供合理的结果。

使用扩散模型进行图像外延

Diffusers Image Outpaint 是一个基于扩散模型的图像外延技术，它能够根据已有的图像内容，生成图像的额外部分。这项技术在图像编辑、游戏开发、虚拟现实等领域具有广泛的应用前景。它通过先进的机器学习算法，使得图像生成更加自然和逼真，为用户提供了一种创新的图像处理方式。

统一的图像生成框架，简化多任务图像生成。

OmniGen是一个创新的扩散框架，它将多种图像生成任务统一到单一模型中，无需特定任务的网络或微调。这一技术简化了图像生成流程，提高了效率，降低了开发和维护成本。

多件服装虚拟试穿和编辑技术

M&M VTO是一种混合搭配的虚拟试穿方法，它接受多张服装图片、服装布局的文本描述以及一个人的图片作为输入，输出是这些服装在指定布局下穿在给定人物身上的可视化效果。该技术的主要优点包括：单阶段扩散模型，无需超分辨率级联，能够在1024x512分辨率下混合搭配多件服装，同时保留和扭曲复杂的服装细节；架构设计（VTO UNet Diffusion Transformer）能够分离去噪和人物特定特征，实现高效的身份保留微调策略；通过文本输入控制多件服装的布局，专门针对虚拟试穿任务微调。M&M VTO在定性和定量方面都达到了最先进的性能，并为通过语言引导和多件服装试穿开辟了新的可能性。

免费人工智能驱动的背景去除工具

Removerized是一个利用先进人工智能算法的免费在线工具，它能够精确地检测并去除图片背景，同时增强图像质量。用户无需任何编辑经验，只需上传图片，即可获得去背景后的高分辨率图像。该工具支持多种图像格式，如PNG、JPG和WEBP，并且完全免费使用，无需担心隐私泄露，因为所有处理都在本地完成。

即时文本驱动的图像编辑工具

TurboEdit是一种基于Adobe Research开发的技术，旨在解决精确图像反转和解耦图像编辑的挑战。它通过迭代反转技术和基于文本提示的条件控制，实现了在几步内对图像进行精准编辑的能力。这项技术不仅快速，而且性能超越了现有的多步扩散模型编辑技术。

大规模图像编辑数据集

UltraEdit是一个大规模的图像编辑数据集，包含约400万份编辑样本，自动生成，基于指令的图像编辑。它通过利用大型语言模型（LLMs）的创造力和人类评估员的上下文编辑示例，提供了一个系统化的方法来生产大规模和高质量的图像编辑样本。UltraEdit的主要优点包括：1) 它通过利用大型语言模型的创造力和人类评估员的上下文编辑示例，提供了更广泛的编辑指令；2) 其数据源基于真实图像，包括照片和艺术作品，提供了更大的多样性和减少了偏见；3) 它还支持基于区域的编辑，通过高质量、自动生成的区域注释得到增强。

实现风格感知的拖放式图像编辑

Magic Insert 是一种创新的图像编辑技术，它允许用户将任意风格的图像主题拖放到另一种风格的目标图像中，并实现风格感知和逼真的插入。这项技术通过解决风格感知个性化和在风格化图像中进行真实对象插入的两个子问题，正式定义了风格感知拖放的问题，并提出了一种方法来解决它。Magic Insert 的方法显著优于传统的图像修复技术。此外，还提供了一个名为 SubjectPlop 的数据集，以促进该领域的评估和未来发展。

扩散世界模型中训练的强化学习代理

DIAMOND（DIffusion As a Model Of eNvironment Dreams）是一个在扩散世界模型中训练的强化学习代理，用于雅达利游戏中的视觉细节至关重要的世界建模。它通过自回归想象在Atari游戏子集上进行训练，可以快速安装并尝试预先训练的世界模型。

一种通过计数事实数据集和自举监督实现真实物体删除和插入的方法

ObjectDrop是一种监督方法,旨在实现照片级真实的物体删除和插入。它利用了一个计数事实数据集和自助监督技术。主要功能是可以从图像中移除物体及其对场景产生的影响(如遮挡、阴影和反射),也能够将物体以极其逼真的方式插入图像。它通过在一个小型的专门捕获的数据集上微调扩散模型来实现物体删除,而对于物体插入,它采用自助监督方式利用删除模型合成大规模的计数事实数据集,在此数据集上训练后再微调到真实数据集,从而获得高质量的插入模型。相比之前的方法,ObjectDrop在物体删除和插入的真实性上有了显著提升。

超高质量内容替换

Replace Anything框架可用于多种场景，如人物替换、服装替换、背景替换。它可以在保持指定对象身份不变的同时生成新内容，满足广泛的数字内容创作需求。

生成最具创意的图像

DeepVinci是一个生成式AI套件，通过整合最前沿的AI技术和先进的产品创新，旨在彻底改变人们创造和与想象互动的方式。

生成无限创意AI头像

AI头像是一款神奇的人工智能软件，利用美学人工智能技术为您的照片创建迷人且独特的艺术作品，将您的照片提升到一个新的水平。通过AI头像，您可以轻松地将自己的照片转化为多个神奇的AI头像，体验到照片的魔幻变身。

AI图像编辑器，告诉AI你想要做什么

Image Editor AI是一款使用人工智能技术的图像编辑工具。它可以帮助用户编辑图像，添加滤镜、文字和贴纸，调整颜色和亮度，裁剪和旋转图像等。该工具还提供AI驱动的功能，如图像增强、背景移除和图像放大。用户可以通过简单的指令告诉AI要做什么，AI会自动完成相应的操作。Image Editor AI的定价根据用户的使用情况而定，同时也提供API服务。

自动删除视频和图片背景

Remove Background AI使用机器学习/人工智能自动删除视频和图片的背景。它提供API接口，能够快速高效地去除内容的背景。Remove Background AI可以帮助用户轻松编辑和美化图像和视频，适用于各种场景和应用。

AI-powered job search assistant that automates applications.

Auto_Jobs_Applier_AIHawk 是一个利用人工智能自动化求职和申请流程的先进工具。在当今竞争激烈的就业市场中，这个程序为求职者提供了显著的优势。通过利用自动化和人工智能的力量，Auto_Jobs_Applier_AIHawk 能够高效且个性化地申请大量相关职位，最大化求职者获得理想工作的机会。

统一文本、音乐和动作生成模型

UniMuMo是一个多模态模型，能够将任意文本、音乐和动作数据作为输入条件，生成跨所有三种模态的输出。该模型通过将音乐、动作和文本转换为基于令牌的表示，通过统一的编码器-解码器转换器架构桥接这些模态。它通过微调现有的单模态预训练模型，显著降低了计算需求。UniMuMo在音乐、动作和文本模态的所有单向生成基准测试中都取得了有竞争力的结果。

利用AI技术快速创建视频广告。

JoggAI是一个利用人工智能技术，帮助用户将产品链接或视觉素材快速转换成吸引人的视频广告的平台。它提供了丰富的模板、多样的AI虚拟形象，以及快速响应的服务，以创造引人入胜的内容，促进网站流量和销售。JoggAI的主要优点包括快速的视频内容创建、AI脚本撰写、批量模式制作、视频剪辑理解、文本到语音转换等。这些功能使得JoggAI非常适合需要高效制作视频内容的电子商务、市场营销、销售和商业所有者以及代理和自由职业者。

一键式虚拟家居布置和图片编辑器

Stager AI是一个为房地产行业设计的虚拟家居布置和图片编辑器，利用人工智能技术帮助用户快速、轻松地提升房产图片的吸引力，从而提高房产的在线展示效果和销售转化率。它支持一键式虚拟布置、图片增强、地板更换、墙面粉刷、草坪替换和天空替换等功能，无需用户具备专业的图片编辑技能。Stager AI旨在帮助房地产经纪人、摄影师和Airbnb房东等用户群体，通过提升房产图片的专业度来吸引更多潜在买家或租客。

AI驱动的即时内容审核服务

Censorfy是一个利用人工智能技术进行即时内容审核的平台，它能够对文本和图像进行审核，确保内容的合规性。该服务通过一个HTTP请求即可完成，为用户提供高效、准确的内容审核解决方案。Censorfy的主要优点包括高效率、低成本和易用性，适合需要快速审核大量内容的企业和个人使用。

重新定义视频创作

Hailuo AI Video Generator 是一款利用人工智能技术，根据文本提示自动生成视频内容的工具。它通过深度学习算法，将用户的文字描述转化为视觉图像，极大地简化了视频制作流程，提高了创作效率。该产品适用于需要快速生成视频内容的个人和企业，特别是在广告、社交媒体内容制作和电影预览等领域。

现代、支持人工智能的移动浏览器

Arc Search 是一款现代、支持人工智能的移动浏览器，专注于让用户更快地找到答案，而不会受到互联网的干扰。它通过智能搜索技术，帮助用户过滤掉不必要的信息，直接定位到他们需要的答案，从而提高搜索效率。

最先进的图像生成模型

FLUX1.1 [pro] 是 Black Forest Labs 发布的最新图像生成模型，它在速度和图像质量上都有显著提升。该模型提供六倍于前代的速度，同时改善了图像质量、提示遵循度和多样性。FLUX1.1 [pro] 还提供了更高级的定制化选项，以及更优的性价比，适合需要高效、高质量图像生成的开发者和企业。

利用OpenAI的Whisper模型转录YouTube视频

Youtube-Whisper是一个基于Gradio的应用程序，它通过提取YouTube视频的音频并使用OpenAI的Whisper模型来转录成文本。这个工具对于需要将视频内容转化为文本以进行分析、存档或翻译的用户来说非常有用。它利用了最新的人工智能技术，提高了视频内容的可访问性和可用性。

生成逼真的动态人脸视频。

Stable Video Portraits是一种创新的混合2D/3D生成方法，利用预训练的文本到图像模型（2D）和3D形态模型（3D）生成逼真的动态人脸视频。该技术通过人特定的微调，将一般2D稳定扩散模型提升到视频模型，通过提供时间序列的3D形态模型作为条件，并引入时间去噪过程，生成具有时间平滑性的人脸影像，可以编辑和变形为文本定义的名人形象，无需额外的测试时微调。该方法在定量和定性分析中均优于现有的单目头部化身方法。

数字人模型，支持生成普通话视频

JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。

将任何PDF转换为播客集！

Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具，它可以处理PDF内容，生成适合音频播客的自然对话，并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具，通过使用开源的大型语言模型（LLMs）和文本到语音模型来实现。它不仅提高了信息的可访问性，还为内容创作者提供了一种新的媒体形式，使他们能够将书面内容转换为音频格式，扩大其受众范围。