产品库

可控角色视频合成技术

MIMO是一个通用的视频合成模型，能够模仿任何人在复杂动作中与物体互动。它能够根据用户提供的简单输入（如参考图像、姿势序列、场景视频或图像）合成具有可控属性（如角色、动作和场景）的角色视频。MIMO通过将2D视频编码为紧凑的空间代码，并将其分解为三个空间组成部分（主要人物、底层场景和浮动遮挡）来实现这一点。这种方法允许用户灵活控制，空间运动表达以及3D感知合成，适用于交互式真实世界场景。

使用AI生成任何3D模型

3D Mesh Generation是Anything World推出的一款在线3D模型生成工具，它利用人工智能技术，允许用户通过简单的文字描述或上传图片来快速生成3D模型。这项技术的重要性在于它极大地简化了3D模型的创建过程，使得没有专业3D建模技能的用户也能轻松创建出高质量的3D内容。产品背景信息显示，Anything World致力于通过其平台提供创新的3D内容创建解决方案，而3D Mesh Generation是其产品线中的重要组成部分。关于价格，用户可以在注册后查看具体的定价方案。

基于参考的线稿视频上色技术

LVCD 是一种基于参考的线稿视频上色技术，采用大规模预训练的视频扩散模型，生成色彩化动画视频。该技术通过Sketch-guided ControlNet和Reference Attention，实现了对快速和大幅度运动的动画视频进行色彩化处理，同时保证了时间上的连贯性。LVCD的主要优点包括生成色彩化动画视频的时间连贯性、处理大运动的能力以及高质量的输出结果。

高保真新视角合成的视频扩散模型

ViewCrafter 是一种新颖的方法，它利用视频扩散模型的生成能力以及基于点的表示提供的粗略3D线索，从单个或稀疏图像合成通用场景的高保真新视角。该方法通过迭代视图合成策略和相机轨迹规划算法，逐步扩展3D线索和新视角覆盖的区域，从而扩大新视角的生成范围。ViewCrafter 可以促进各种应用，例如通过优化3D-GS表示实现沉浸式体验和实时渲染，以及通过场景级文本到3D生成实现更富有想象力的内容创作。

利用预训练的图像到视频扩散模型生成连贯中间帧

该产品是一个图像到视频的扩散模型，通过轻量级的微调技术，能够从一对关键帧生成具有连贯运动的连续视频序列。这种方法特别适用于需要在两个静态图像之间生成平滑过渡动画的场景，如动画制作、视频编辑等。它利用了大规模图像到视频扩散模型的强大能力，通过微调使其能够预测两个关键帧之间的视频，从而实现前向和后向的一致性。

实时预览的高级人脸动画工具

ComfyUI-AdvancedLivePortrait是一个用于实时预览和编辑人脸表情的高级工具。它允许用户在视频中跟踪和编辑人脸，将表情插入到视频中，甚至从样本照片中提取表情。这个项目通过使用ComfyUI-Manager自动安装，简化了安装过程。它结合了图像处理和机器学习技术，为用户提供了一个强大的工具，用于创建动态和互动的媒体内容。

将视频转换为动画并进行AI替换的创新工具。

VMagic AI是一款专注于视频内容创作的工具，它通过先进的人工智能技术，能够将视频转换成动画，并实现AI替换功能。这项技术的应用，极大地简化了视频编辑和动画制作的过程，使得用户可以轻松创作出具有专业水准的视频内容。VMagic AI的背景信息显示，它旨在为视频创作者提供一个简单易用、功能强大的平台，以满足日益增长的个性化视频内容需求。产品的价格和定位尚未在页面上明确说明，但可以推测其可能面向专业视频编辑和动画创作者。

AI让动作捕捉更简单

千面视频动捕是一款利用AI技术简化动作捕捉过程的产品。它通过自动化AI算法自动识别动画关键帧，生成流畅的动画效果，无需专业设备和场地，大幅提升制作效率，降低动画制作的门槛，让每个人都能成为动画师。产品支持多种主流动画软件格式，提供7天24小时在线服务，并通过V币系统进行计费，满足不同用户的需求。

下一代人工智能视频和动画编辑器

Chillin是一个结合了非线性视频编辑和矢量动画的在线编辑器，它利用人工智能技术简化了创意过程，支持Lottie和动画SVG，提供无水印的视频导出，支持高达4k 60fps的视频质量。Chillin正在寻求种子资金来加速AI视频和动画编辑的开发，是一个面向创意专业人士和企业的产品，旨在提高视频和动画制作的效率和质量。

高效的人像动画工具，具备拼接和重定向控制功能。

LivePortrait是一个用于人像动画的高效工具，它通过拼接和重定向控制技术，能够将静态图片转化为生动的动画。这项技术在图像处理和动画制作领域具有重要意义，可以大幅度提升动画制作的效率和质量。产品背景信息显示，它是由shadowcz007开发，并且与comfyui-mixlab-nodes配合使用，可以更好地实现人像动画效果。

一种单步视频生成模型，实现高质量视频合成。

SF-V是一种基于扩散的视频生成模型，通过对抗训练优化预训练模型，实现了单步生成高质量视频的能力。这种模型在保持视频数据的时间和空间依赖性的同时，显著降低了去噪过程的计算成本，为实时视频合成和编辑铺平了道路。

在线AI视频动画生成工具

TopMixLabs 是一个 AI 动画制作工具，通过上传图片，用户可以轻松地将图像转换为专业级动画，适用于各种规模的企业，提升品牌形象。使用简单，只需要4张照片，上传稍等10 -20分钟左右，即可以生成高质量的动画，生成的动画支持下载mp4格式，而且在平台上创建的动画用于个人和商业目的。

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。

Hotshot - ACT 1是一个先进的直接文本到视频合成系统，由Hotshot开发，旨在赋予世界通过视频分享他们的想象力的能力

ACT 1（Advanced Cinematic Transformer）是一个由Hotshot Research开发的直接文本到视频合成系统，它能够生成高清晰度的视频，具有多种宽高比且无水印，提供引人入胜的用户体验。该系统通过使用大规模高分辨率文本视频语料库进行训练，以实现高保真度的空间对齐、时间对齐和审美质量。

Snap视频:用于文本到视频合成的可扩展空间时间转换器

Snap视频是一个视频优先的模型,通过延伸EDM框架系统地解决视频生成域中的运动保真度、视觉质量和可扩展性等挑战。该模型利用帧间的冗余信息,提出了一个可伸缩的transformer架构,将空间和时间维度作为一个高度压缩的1D潜在向量,从而有效地进行空间时间联合建模,合成时间连贯性强、运动复杂的视频。这种架构使模型可以高效训练,达到数十亿参数规模,在多项基准测试中取得最优效果。

用人工智能生成音频和视频

Sora AI Video Generator是一个使用人工智能技术生成视频的在线平台。用户只需要输入文本描述,它就可以自动生成高质量的视频动画。该平台提供强大的创意工具,使用户无需专业技术就可以创作出精美的视频内容。关键功能包括:支持多种视觉风格选择,视频分辨率高达4K,支持添加背景音乐和文字,一键生成高质量视频等。适用于视频创作者、广告公司、游戏开发者等创意行业,以及个人用户的视频内容生产。

生成丰富可控运动的视频合成工具

Boximator是一款由Jiawei Wang、Yuchen Zhang等人开发的智能视频合成工具。它利用先进的深度学习技术，通过添加文本提示和额外的盒子约束，生成丰富且可控制的视频运动。用户可以通过示例或自定义文本来创造独特的视频场景。Boximator与其他方法相比，使用了来自文本提示的附加盒子约束，提供更灵活的运动控制。

单扫描生成可动画资产

GALA是一个框架，它以单层着衣的3D人体网格作为输入，并将其分解为完整的多层3D资产。输出可以与其他资产组合，创造出任意姿势的新颖着衣人体化身。通过一系列分解步骤，我们在共享的规范空间中获得了多层3D资产，以姿势和人体形状进行了规范化，从而支持对新身份的轻松组合和对新姿势的重新动画。我们的实验证明了我们的方法相对于现有解决方案在分解、规范化和组合任务中的有效性。

视频生成的时空扩散模型

Lumiere是一个文本到视频扩散模型，旨在合成展现真实、多样和连贯运动的视频，解决视频合成中的关键挑战。我们引入了一种空时U-Net架构，可以一次性生成整个视频的时间持续，通过模型的单次传递。这与现有的视频模型形成对比，后者合成远距离的关键帧，然后进行时间超分辨率处理，这种方法本质上使得全局时间一致性难以实现。通过部署空间和（重要的是）时间的下采样和上采样，并利用预训练的文本到图像扩散模型，我们的模型学会直接生成多个时空尺度下的全帧率、低分辨率视频。我们展示了最先进的文本到视频生成结果，并展示了我们的设计轻松促进了各种内容创作任务和视频编辑应用，包括图像到视频、视频修补和风格化生成。

光流引导视频合成

FlowVid 是一个光流引导的视频合成模型，通过利用光流的空间和时间信息，实现视频帧之间的时序一致性。它可以与现有的图像合成模型无缝配合，实现多种修改操作，包括风格化、对象交换和局部编辑等。FlowVid 生成速度快，4 秒、30FPS、512×512 分辨率的视频只需 1.5 分钟，比 CoDeF、Rerender 和 TokenFlow 分别快 3.1 倍、7.2 倍和 10.5 倍。用户评估中，FlowVid 的质量得分为 45.7%，明显优于 CoDeF（3.5%）、Rerender（10.2%）和 TokenFlow（40.4%）。

自定义文本到视频扩散模型的动作

MotionDirector是一种能够自定义文本到视频扩散模型以生成具有所需动作的视频的技术。它采用双路径LoRAs架构，以解耦外观和运动的学习，并设计了一种新颖的去偏置时间损失，以减轻外观对时间训练目标的影响。该方法支持各种下游应用，如混合不同视频的外观和运动，以及用定制动作为单个图像添加动画。

生成逼真、唇同步的说唱视频

VividTalk是一种一次性音频驱动的头像生成技术，基于3D混合先验。它能够生成具有表情丰富、自然头部姿态和唇同步的逼真说唱视频。该技术采用了两阶段通用框架，支持生成具有上述所有特性的高视觉质量的说唱视频。具体来说，在第一阶段，通过学习两种运动（非刚性表情运动和刚性头部运动），将音频映射到网格。对于表情运动，采用混合形状和顶点作为中间表示，以最大化模型的表征能力。对于自然头部运动，提出了一种新颖的可学习头部姿势码本，并采用两阶段训练机制。在第二阶段，提出了一个双分支运动VAE和一个生成器，将网格转换为密集运动，并逐帧合成高质量视频。大量实验证明，VividTalk能够生成具有唇同步和逼真增强的高视觉质量说唱视频，且在客观和主观比较中优于以往的最先进作品。该技术的代码将在发表后公开发布。

真实人类舞蹈视频生成

MagicDance是一种新颖有效的方法，可以生成逼真的人类视频，实现生动的动作和面部表情转移，以及一致的2D卡通风格动画零调优生成。通过MagicDance，我们可以精确生成外观一致的结果，而原始的T2I模型（如稳定扩散和ControlNet）很难准确地保持主题身份信息。此外，我们提出的模块可以被视为原始T2I模型的扩展/插件，而不需要修改其预训练权重。

数字艺术创作平台

Dallelist是一个数字艺术创作平台，提供多种艺术形态的数字创作工具，包括数字艺术、3D设计、像素艺术、动画等。用户可以在平台上进行数字创作，也可以欣赏其他用户的作品。平台还提供多种素材和教程，帮助用户提升创作技能。定价方面，平台提供免费和付费两种版本，付费版本提供更多高级功能和素材。

让无聊的文字生动起来

Genmo是一个智能创意平台,利用AI让用户轻松创造视频、3D模型、图像等创意作品,实现文字对话的可视化与虚拟世界的构建。

为内容创作者打造的声音克隆软件

声音克隆软件是为电影制片人、游戏开发者和其他内容创作者打造的一款软件。它可以创造出与原始发言者无法区分的声音，为用户提供完美匹配的声音效果。该软件具有高质量的合成语音功能，采用专有的深度学习技术。定价方案请联系我们获取详细信息。

AI视频制作软件

Raw Shorts是一款人工智能视频编辑器和文本转视频制作工具，帮助企业制作网页和社交媒体的解说视频、动画和促销视频。它使用AI技术，将您的视频剧本转化为初稿，并提供可定制的编辑器供您使用。Raw Shorts拥有强大的功能，包括文字转语音、动画图表以及超过100万个商业许可和创意共享的视频、照片、图标和动画素材。

将图像转换为逼真的视频

Pix2Pix Video是一个小程序，可以将图像转换为逼真的视频。它使用Pix2Pix模型，能够生成高质量的视频，使静态图像栩栩如生。Pix2Pix Video具有简单易用的界面，用户只需上传一张图像，并设置相关参数，即可生成惊艳的视频。它可用于各种场景，如动画制作、虚拟现实、特效添加等。Pix2Pix Video是一个强大的图像处理工具，能够提供无限创意的可能性。

AI动画制作工具

Krikey AI动画制作是一款强大的工具，提供定制化的AI生成动画。通过使用独特的面部表情、手势等编辑工具，用户可以自定义AI动画。库中拥有数千种高保真度的动画，用户可导出视频或FBX文件。定价详见官网。

语音同步动画制作工具

Lalamu Studio是一款语音同步动画制作工具，它可以将音频文件与角色嘴型进行同步，生成逼真的口型动画。用户可以选择不同的音频文件，通过选择嘴型形态和调整参数，来实现角色的口型同步。Lalamu Studio提供了多个功能，包括自定义角色、调整嘴型动画速度、添加背景音乐等。该工具适用于动画制作、视频制作、漫画创作等场景。