产品库

赛灵力虚拟数字人工厂提供 AI 虚拟人视频创作服务，让数字人拥有真人般交互能力。

赛灵力虚拟数字人工厂致力于 2D 虚拟人、3D 虚拟人、声音克隆等 AI 技术探索和产业应用，为企业、政府、个人提供虚拟数字人 AI 视频创作、个人形象定制、声音定制、智能语音合成等服务。

无需拍摄、剪辑，一键生成 3D 视频

有言是一站式 AIGC 视频创作平台，提供上千个高质量的 3D 虚拟人角色选择，无需真人出镜。用户无需拍摄、剪辑，一键生成场景、灯光、动画、运镜和镜头，还集成了智能镜头剪辑、高质量视频后期包装。价格分为免费和付费订阅两种模式，定位于帮助用户简单快速地制作高质量视频。

基于JST-1视频-3D基础模型的可控视频生成

VIGGLE是一款基于JST-1视频-3D基础模型的可控视频生成工具。它可以让任何角色按照您的要求移动。JST-1是第一个具有实际物理理解能力的视频-3D基础模型。VIGGLE的优势在于其强大的视频生成和控制能力,可以根据用户需求生成各种动作和情节的视频。它定位于视频创作者、动画师和内容创作者等专业人群,帮助他们更高效地制作视频内容。目前VIGGLE处于测试阶段,未来可能会推出付费订阅版本。

数字身份增强AI

CloneByMe利用最先进的2D/3D头像创建技术和人工智能，增强您在数字世界、元宇宙和视频游戏中的身份。我们致力于为您提供一个平台，在这里您可以真实地表达自己，没有任何限制。您可以通过自拍构建自己的2D/3D头像，利用人工智能进行个性化定制，将头像注入独特的个性，通过文本、PDF、音频、视频等形式进行个性化。您可以随时使用智能头像进行聊天、创作内容并实现身份变现。通过我们的API，您可以将智能头像集成到您最需要的平台中。

多种图像类型和视频效果生成

MiracleVision奇想智能是一款图像和视频效果生成工具，可用于动物摄影、平面商插、数字渲染、Q版卡通、数字3D等多种场景。同时可助力广告行业、电商行业、游戏行业等各行业工作流提效，支持训练视觉模型，让创作风格更统一。产品提供开放API服务，包括文生成图和图生成图，可智能生成创作图。用户可根据文字或图像智能生成多种风格丰富的创作图。

革命性视频生成，将静态图像或文本转化为视频

Stable Video Diffusion是一种AI视频生成技术，可以从静态图像或文本创建动态视频，代表了视频生成技术的新进展。它通过图像预训练、视频预训练、高质量视频微调和多视角3D先验等步骤，提供高质量的视频生成。主要功能包括将图像转化为视频、将文本转化为视频等。Stable Video Diffusion可以革新内容创作，从而自动生成创意广告、电影预告片、教育视频、游戏场景和独特的社交媒体内容。产品定位为提高视频内容创作的可访问性、效率和创造力。

用文字创建、定制、吸引，Snowpixel 让您轻松生成美丽的图片、视频、音乐等作品。

Snowpixel 是一个能够通过文字生成美丽图片、视频、音乐等作品的平台。用户可以使用自己的数据训练定制模型，为作品增添个性化的风格。Snowpixel 提供了视频生成、音乐生成、图片生成、音频生成、3D 对象生成和像素艺术模型等功能。用户可以在不同的场景下使用 Snowpixel，比如创作个性化作品、定制模型、生成音乐、生成视频等。Snowpixel 的定价灵活，用户可以按需选择付费。

Avataar是一个基于人工智能的可视化故事讲解平台

Avataar是一个利用生成式AI技术为用户提供沉浸式可视化内容创作能力的平台。它能够帮助用户无需代码快速制作3D空间场景、虚拟角色以及交互式视频。Avataar使创作者能够更高效地讲述故事,为消费者带来更好的可视化体验。该平台提供基于网页的零代码解决方案,用户可以使用Google、Apple或邮箱账号快速登录。Avataar拥有强大的AI生成能力,助力用户进行视觉化创作,大大提升工作效率。

轻松创建和利用3D内容

3D Creation是一个提供给用户轻松创建和利用3D内容的网站。它提供了多种功能，包括AI纹理、我的模型、API等。用户可以使用AI纹理功能将图片转换为纹理，也可以使用文本转3D功能将文字描述转换为3D模型。此外，用户还可以使用Sketch to 3D功能将手绘草图转换为3D模型。3D Creation适用于各种场景，如设计、图像处理、视频制作等。该产品定位于提供简单易用的3D内容创作工具，并提供合理的定价策略。

一键优化AI生成艺术创意

Prompter是一个Chrome浏览器插件,能够一键优化用户的文本提示,生成更加精美、细节丰富的AI艺术图像。关键功能包括:一键优化提示文本,实时预览创作效果,提示笔记本随时记录灵感等。适用于Midjourney、Stable Diffusion等主流生成平台,支持图像、视频、3D等创作,是创意工作者的最佳助手。

一分钟内构建无代码AI应用

Imagica是一种新的思维和创造方式，使计算机成为我们思维的延伸，让我们能够以思考的速度与计算机进行协作创作。从想法到产品，以思维的速度实现。无需编写任何代码，构建功能性应用程序。实时数据，通过URL或拖放添加真实数据源以获得准确结果。多模态，使用文本、图像、视频和3D模型等任何输入或输出。具有400万个函数，实现在真实世界中运行的应用程序。一键将应用转化为商业模式，立即产生收入。将您的应用提交给Natural OS，开始为数百万用户提供服务请求。将应用转化为漂亮的变形界面，让用户主动寻找您的应用。

一个统一的文本到任意模态生成框架

Lumina-T2X是一个先进的文本到任意模态生成框架，它能够将文本描述转换为生动的图像、动态视频、详细的多视图3D图像和合成语音。该框架采用基于流的大型扩散变换器（Flag-DiT），支持高达7亿参数，并能扩展序列长度至128,000个标记。Lumina-T2X集成了图像、视频、3D对象的多视图和语音频谱图到一个时空潜在标记空间中，可以生成任何分辨率、宽高比和时长的输出。

为角色动画提供直观且价格合理的动作捕捉工具。

Rokoko是一款基于传感器的动作捕捉系统，为3D数字创作者提供高质量的身体、手指和面部动画解决方案。它具有直观易用的界面和负担得起的价格，可帮助用户轻松实现逼真的角色动画。

一款面向高质量长视频生成的实验性框架，具有扩展序列长度和增强动态特性。

Mira（Mini-Sora）是一个实验性的项目，旨在探索高质量、长时视频生成领域，特别是在模仿Sora风格的视频生成方面。它在现有文本到视频（T2V）生成框架的基础上，通过以下几个关键方面实现突破：扩展序列长度、增强动态特性以及保持3D一致性。目前，Mira项目处于实验阶段，与Sora等更高级的视频生成技术相比，仍有提升空间。

通过视频生成实现基于物理的3D对象交互

PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。

将您的照片变为生动的3D角色，并使用Mug Me，Emojimation和Pose Controls创建有趣的生动表情。

Mug Life通过将计算机图形学专业知识与最新的计算机视觉技术相结合，创造出令人惊叹的3D角色。其技术分为三个阶段：拆解、动画和重构，结合社交平台，让用户能够连接和分享创作。

用于评估文本到视觉生成的创新性指标和基准测试

Evaluating Text-to-Visual Generation with Image-to-Text Generation提出了一种新的评估指标VQAScore,能够更好地评估复杂的文本到视觉生成效果,并引入了GenAI-Bench基准测试集。VQAScore基于CLIP-FlanT5模型,能够在文本到图像/视频/3D生成评估中取得最佳性能,是一种强大的替代CLIPScore的方案。GenAI-Bench则提供了包含丰富组合语义的实际场景测试文本,可用于全面评估生成模型的性能。

通过 3D 空间跟踪 2D 像素，提升视频追踪性能

SpatialTracker 是 CVPR 2024 年亮点之一的一项研究成果，致力于在 3D 空间中恢复视频中密集的像素运动。该方法通过将 2D 像素提升到 3D 空间，使用三平面表示表示每一帧的 3D 内容，并迭代更新转换器来估计 3D 轨迹。在 3D 中跟踪允许我们利用刚性约束，同时学习一个刚性嵌入，将像素聚集到不同的刚性部分中。与其他追踪方法相比，SpatialTracker 在质量和量度方面都取得了优异的成绩，尤其是在具有出平面旋转的具有挑战性的情况下。

通过文本指令自动生成和动画化卡通人物的3D纹理

Make-It-Vivid是一种创新的模型,能够根据文本指令自动生成和动画化卡通人物的3D纹理。它解决了传统方式制作3D卡通角色纹理的挑战,提供了高效、灵活的解决方案。该模型通过预训练的文本到图像扩散模型生成高质量的UV纹理图,并引入对抗性训练来增强细节。它可以根据不同的文本prompt生成各种风格的角色纹理,并将其应用到3D模型上进行动画制作,为动画、游戏等领域提供了便利的创作工具。

AI社区共建未来,开源开放科学推进AI民主化

Hugging Face是一个AI社区平台,致力于通过开源和开放科学的方式来推进人工智能的发展和民主化。它为机器学习社区提供了协作模型、数据集和应用程序的环境。主要优势包括:1)协作平台,可无限托管和共享模型、数据集和应用程序。2)开源堆栈,加速ML开发流程。3)支持多模态(文本、图像、视频、音频、3D等)。4)建立ML作品集,在全球分享你的作品。5)付费计算和企业解决方案,提供优化的推理端点、GPU支持等。

稳定的在线3D视频合成

SV3D Online是一款稳定的在线3D视频合成工具，能够将单个图像转化为引人入胜的3D视角和网格。

从单张图片生成高质量3D视图和新颖视角的3D生成技术

Stable Video 3D是Stability AI推出的新模型，它在3D技术领域取得了显著进步，与之前发布的Stable Zero123相比，提供了大幅改进的质量和多视角支持。该模型能够在没有相机条件的情况下，基于单张图片输入生成轨道视频，并且能够沿着指定的相机路径创建3D视频。

文本转3D动画工具，轻松生成角色动作

Cartwheel是一个创新的文本转3D动画工具，用户通过输入文字提示即可生成适用于视频、游戏、电影、广告、社交或VR项目的3D动画角色。其灵活性和易用性让用户能够轻松生成各种动作，并支持导出到任何3D程序中进行编辑。目前处于测试阶段，用户需要排队等待使用。

免费创建和查看高斯3D模糊图像的工具

Polycam的高斯模糊创建工具可以让你免费将图像转换为沉浸式的3D模糊图像,你可以预览、分享和导出这些模糊图像。该工具支持20-200张PNG或JPG格式图像输入,输入图像需遵循影像测量最佳实践,保证图像清晰、均匀曝光和无运动模糊效果。生成的3D模糊可在Unity和Unreal等引擎中使用,插件不断更新以支持更多软件。该工具还提供Gallery功能用于浏览和分享社区创作。

用于视觉合成的统一3D Transformer流水线

NUWA是由微软开发的一系列研究项目，包括NUWA、NUWA-Infinity、NUWA-LIP、Learning 3D Photography Videos和NUWA-XL。这些项目涉及视觉合成的预训练模型，能够生成或操纵视觉数据，如图像和视频，以执行多种视觉合成任务。

单摄像头3D动画资产转换

Move API能够将包含人体动作的视频转换为3D动画资产，支持将视频文件转换为usdz、usdc和fbx文件格式，并提供预览视频。适用于集成到生产工作流程软件、增强应用动作捕捉能力或创造全新体验。

Aria每日活动数据集,加速机器感知和人工智能发展

Aria每日活动数据集是Aria项目发布的首个试点数据集的重新发布版本,该数据集利用新的工具和位置数据进行了更新,以加速机器感知和人工智能技术的发展。数据集包含日常生活场景下的第一人称视频序列,并配有丰富的传感器数据、注释数据以及由Aria机器感知服务生成的3D点云数据等。研究人员可以使用Aria提供的专用工具快速上手使用该数据集开展研究。

基于视频的3D场景重建

VisFusion是一个利用视频数据进行在线3D场景重建的技术，它能够实时地从视频中提取和重建出三维环境。这项技术结合了计算机视觉和深度学习，为用户提供了一个强大的工具，用于创建精确的三维模型。

实时AI聊天翻译，消除语言障碍，让Roblox用户跨语言交流。

Roblox Chat Translator通过定制的多语言模型实现实时聊天翻译，使不同语言的用户可以在Roblox的沉浸式3D体验中无缝交流。该模型支持16种语言之间的直接翻译，为人们在全球范围内消除语言障碍，提供了一个低延迟的翻译服务。Roblox拥有超过7千万日活跃用户，通过这个平台，用户可以24小时使用他们的母语进行沟通和创作。Roblox Chat Translator的目标是连接来自世界各地的人们，通过消除语言障碍，实现十亿人的联接。

实时3D角色生成平台

Museclip是一个基于3D模型的实时人物设计平台,拥有智能编辑、魔法画笔和文字提示等功能,可以在几秒内将3D人物基础模型转换成逼真的角色形象,大幅提高人物设计的效率。它的主要优势有:实时渲染技术,快速定制化,智能简洁的设计流程,为用户提供极大的创作自由度。