产品库

开源视觉基础模型

InternVL通过将ViT模型扩展到60亿参数并与语言模型对齐,构建出目前最大的14B开源视觉基础模型,在视觉感知、跨模态检索、多模态对话等广泛任务上取得了32项state-of-the-art性能。

轻松创建文字背景图片设计。

Text Behind Image 是一个开源的设计工具，允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面，让用户可以自由地在图片上添加文字，创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用，因为它可以快速生成具有吸引力的视觉内容。

高效开源的视觉语言模型

SmolVLM是一个小型但功能强大的视觉语言模型（VLM），拥有2B参数，以其较小的内存占用和高效性能在同类模型中处于领先地位。SmolVLM完全开源，包括所有模型检查点、VLM数据集、训练配方和工具均在Apache 2.0许可下发布。该模型适合在浏览器或边缘设备上进行本地部署，降低推理成本，并允许用户自定义。

轻松创建视觉冲击的视频内容。

PixVerse V2是一个革命性的更新，它赋予每个用户轻松创建令人惊叹的视频内容的能力。使用V2，您可以轻松制作视觉冲击力强的电影，甚至可以加入现实世界中不存在的元素。主要优点包括模型升级、画质提升、剪辑间的一致性等。

AI驱动的图像生成器，快速创造视觉内容。

Freepik AI image generator是一个利用人工智能技术，根据用户输入的文本提示自动生成图像的在线工具。它简化了图像创作流程，使得用户即使没有专业的设计技能，也能快速创造出具有个性化和创意的图像。这项技术的应用，不仅提高了设计效率，也拓宽了图像创作的边界，为用户提供了无限的可能性。

即时AI生成式设计工具

即时设计是一款AI生成式设计工具，通过输入文字即可生成相应的设计作品，帮助用户快速实现创意设计。产品定价根据用户需求而定，定位于提供高效便捷的设计解决方案。

基于Linux环境快速部署开源大模型的教程

该项目是一个围绕开源大模型的全流程指导教程,包括环境配置、模型部署、高效微调等,简化开源大模型的使用和应用,让更多普通学习者能够使用开源大模型。项目面向对开源大模型感兴趣且想自主上手的学习者,提供详细的环境配置、模型部署和微调方法。

开源的视觉语言模型，可在多种设备上运行。

Moondream AI是一个开源的视觉语言模型，具有强大的多模态处理能力。它支持多种量化格式，如fp16、int8、int4，能够在服务器、PC、移动设备等多种目标设备上进行GPU和CPU优化推理。其主要优点包括快速、高效、易于部署，且采用Apache 2.0许可证，允许用户自由使用和修改。Moondream AI的定位是为开发者提供一个灵活、高效的人工智能解决方案，适用于需要视觉和语言处理能力的各种应用场景。

强大的开源视觉语言模型

CogVLM是一个强大的开源视觉语言模型。CogVLM-17B拥有100亿个视觉参数和70亿个语言参数。CogVLM-17B在10个经典的跨模态基准测试中取得了最先进的性能，包括NoCaps、Flicker30k字幕、RefCOCO、RefCOCO+、RefCOCOg、Visual7W、GQA、ScienceQA、VizWiz VQA和TDIUC，并在VQAv2、OKVQA、TextVQA、COCO字幕等方面排名第二，超过或与PaLI-X 55B相匹配。CogVLM还可以与您就图像进行对话。

增强文本与视觉任务处理能力的开源模型。

Mistral-Small-3.1-24B-Base-2503 是一款具有 240 亿参数的先进开源模型，支持多语言和长上下文处理，适用于文本与视觉任务。它是 Mistral Small 3.1 的基础模型，具有较强的多模态能力，适合企业需求。

AI驱动的内容创作引擎，开源替代方案。

OpenPlexity Pages是一个由AI驱动的内容创作引擎，旨在将您的研究转化为视觉吸引、全面的内容。它是一个开源的替代品，与Perplexity Pages不同，它完全开源，允许社区贡献和定制。它注重隐私，数据本地运行，保证您的研究和内容保持私密。此外，它还具有可定制性，可以调整内容的语调以吸引目标受众，从普通读者到主题专家。它还具有适应性，可以轻松修改文章的结构，添加、重新排列或删除部分以最好地适应您的材料。

自动生成社交媒体视觉内容的API

Bannerbear是一个API，帮助您和您的团队自动生成社交媒体视觉内容、电子商务横幅、播客视频等。您可以使用它来自动生成社交媒体图像、电子商务横幅和其他视觉内容。Bannerbear提供REST API和官方库（Ruby、Node和PHP）供开发者使用。它还支持与各种集成和插件（如Zapier、Airtable等）结合使用。Bannerbear具有自动化和扩展营销的优势，以及简化设计流程和节省时间的功能。定价根据API使用情况收费。

开源音频样本和声音设计模型

Stable Audio Open是一个开源的文本到音频模型，专为生成短音频样本、音效和制作元素而优化。它允许用户通过简单的文本提示生成高达47秒的高质量音频数据，特别适用于创造鼓点、乐器即兴演奏、环境声音、拟音录音等音乐制作和声音设计。开源发布的关键好处是用户可以根据自己的自定义音频数据微调模型。

智能设计在线协作平台，提升团队设计效率。

美图设计室是美图秀秀旗下的智能设计在线协作平台，致力于为用户提供丰富的设计工具和海量模板。用户无需专业设计技能即可轻松创建高质量的平面设计作品，适合电商、自媒体及其他行业的宣传需求。其主要优点包括一键生成海报、去水印、高清修复等功能，大幅提升设计效率与创意表现。该产品定位于服务广大电商人群，提供免费的设计资源和工具，帮助用户实现更高效的视觉传播。

基于强化学习技术的视觉思考模型，理科测试行业领先

Kimi视觉思考模型k1是基于强化学习技术打造的AI模型，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。在数学、物理、化学等基础科学学科的基准能力测试中，k1模型的表现超过了全球标杆模型。k1模型的发布标志着AI在视觉理解和思考能力上的新突破，尤其在处理图像信息和基础科学问题上展现出色的表现。

在线设计神器，海量版权素材模板。

稿定设计是一款在线快速图片和视频编辑工具，提供海量版权素材模板，用户无需 PS 技能也能轻松搞定设计需求。具有三秒抠图功能，适用于海报、简历、PPT、公众号配图、电商等各种设计场景。产品定位于提供便捷、快速的设计服务，同时提供海量正版授权资源，商用无忧。定价灵活多样，满足不同用户需求。

基于人工智能的视觉生成设计工具

Fable Prism 是一款基于人工智能的视觉生成设计工具，帮助用户使用自然语言描述生成插画、logo、产品模型等视觉效果。用户可以详细描述想要生成的视觉效果，包括颜色、风格、物体等，Fable Prism 会根据用户的输入生成独特且富有创意的选项。该平台目前处于抢先体验阶段，需要注册才能使用。

正版设计素材,场景丰富，助你创意无限

智绘设计是一个多场景智能设计服务商，提供正版设计素材和丰富的场景，帮助用户创意无限。它包括以下主要功能：秒速创作，一键出图；智能封面，一键智能生成精美封面；AI视频剪辑，一键智能生成影片视频；智能抠图，一键分离图像画面中的主体内容；人像动漫化，一键生成个性化的二次元动漫形象。智绘做图定位于提供高效创作工具和丰富的设计素材，适用于个人和商业用户。

Maqnet AI是一款AI辅助设计工具，可以在几秒钟内生成超级碗级别的视觉效果和5秒视频片段。

Maqnet AI是一款基于人工智能的设计工具，提供超过12,000个灵感和每天新增400个新创意，可帮助用户轻松创作高质量视觉内容。该工具由600多名专业训练师团队开发，拥有内置编辑工具，适用于无设计经验的用户。Maqnet AI致力于转化内容为独特的体验，提供不同订阅方案以满足用户需求。

开源计算机视觉库

OpenCV是一个跨平台的开源计算机视觉和机器学习软件库，它提供了一系列编程功能，包括但不限于图像处理、视频分析、特征检测、机器学习等。该库广泛应用于学术研究和商业项目中，因其强大的功能和灵活性而受到开发者的青睐。

上传、定制并生成吸引观众的内容，无需人工干预。

Best Creator是一个AI内容生成工具，用户可以通过上传、定制和生成内容，吸引观众的注意。其主要优点在于快速生成吸引人的内容，提升创作效率。定位于为用户提供便捷的内容创作解决方案。

将演讲内容转化为引人深思的视觉图像

Aispect是一个能将演讲和会议内容快速转化为视觉图像的工具。它支持30多种语言的输入，用户只需打开麦克风，即可将语音内容转换成具有视觉冲击力的图像。Aispect通过按使用量计费的方式进行定价，例如每个生成的图像消耗1个信用点，用户可以根据项目需求或持续使用来购买信用点。此外，Aispect的订阅方案灵活，适应不同用户的需求。

AI辅助的UI设计工具，支持暗色系UI设计。

FLUX_UI设计是一个利用AI技术辅助用户生成具有艺术感的UI设计模型。它特别适用于B端的深色UI设计，支持发光效果，能够生成具有专业感和技术感的电商管理界面。该模型通过数据可视化和商业洞察，为商家提供全面的运营决策支持。

AI大数据一键设计LOGO

一键Logo设计是一款基于AI大数据计算的智能设计生成器，只需简单输入名称口号，选择行业偏好，即可一键生成LOGO。所有元素均可调整修改，多种格式文件均可下载导出。一次购买长期使用，各种模板字体均可商用。适用于需要快速生成LOGO的个人、企业、团队等用户。

创建高质量的3D模型和视觉内容，提升品牌影响力

Avataar.ai 是一个创新的3D内容创作平台，通过先进的AI技术帮助品牌快速创建高质量的3D模型、视频和交互式体验。其主要优点在于简化了复杂的3D内容制作流程，使品牌能够以更低的成本和更短的时间制作出具有沉浸感的视觉内容。该平台适用于各种规模的企业，能够显著提升产品的在线展示效果和用户参与度。

数字内容创作平台，一站式生成、设计、发布内容

Yarnit是一款基于生成式人工智能的数字内容创作平台。它提供了无缝的创意、撰写、设计、审核和发布内容的功能。用户可以在Yarnit中进行全流程的内容创作，并且通过人工智能的辅助，提高创作效率和质量。Yarnit的定价分为不同的套餐，适应不同用户的需求。该产品定位于帮助用户革新内容创作流程。

AI设计工具，一键生成海报，电商必备

美图设计室是一款专为电商人设计的AI设计工具，提供一键生成海报、智能抠图、AI消除、变清晰等高级功能，帮助用户快速制作出专业级别的平面设计。产品支持多端通用，包括APP、Web、Windows、Mac、Linux，确保用户在不同设备上都能享受到便捷的设计体验。此外，美图设计室还提供海量的海报模板和正版素材，以及商用版权保护，让用户在创作时无后顾之忧。

开源自回归视觉生成模型项目

Open-MAGVIT2是由腾讯ARC实验室开源的一个自回归图像生成模型系列，包含从300M到1.5B不同规模的模型。该项目复现了Google的MAGVIT-v2分词器，实现了在ImageNet 256×256数据集上达到1.17 rFID的先进重建性能。通过引入不对称分词技术，将大词汇表分解为不同大小的子词汇表，并引入'下一个子标记预测'来增强子标记间的交互，以提高生成质量。所有模型和代码均已开源，旨在推动自回归视觉生成领域的创新和创造力。

用文字激发视觉创意

Kartiv是一个将设计带回其创意起源的新方法。通过描述您的需求，我们独特的人工智能将理解您的意图，并创造出精美的视觉效果。Kartiv简单易用，不需要设计知识或经验。它还提供专业工具，可以编辑和配置创意的每个元素。Kartiv可以快速生成多种变体，帮助您探索和可视化多个创意。它还具有自动调整大小功能，根据媒体自动调整和定制创意的大小。Kartiv的AI助手将学习和适应您的喜好，并在您的创意思路流动时提供建议。它还支持团队协作，帮助您与团队共享创意和想法。加入Kartiv，提升您的创意水平，体验设计的复兴。

Aya Vision 32B 是一个支持多语言的视觉语言模型，适用于OCR、图像描述、视觉推理等多种用途。

Aya Vision 32B 是由 Cohere For AI 开发的先进视觉语言模型，拥有 320 亿参数，支持 23 种语言，包括英语、中文、阿拉伯语等。该模型结合了最新的多语言语言模型 Aya Expanse 32B 和 SigLIP2 视觉编码器，通过多模态适配器实现视觉与语言理解的结合。它在视觉语言领域表现出色，能够处理复杂的图像与文本任务，如 OCR、图像描述、视觉推理等。该模型的发布旨在推动多模态研究的普及，其开源权重为全球研究人员提供了强大的工具。该模型遵循 CC-BY-NC 许可证，并需遵守 Cohere For AI 的合理使用政策。