产品库

VideoPainter 是一款支持任意长度视频修复和编辑的工具，采用文本引导的插件式框架。

VideoPainter 是一款基于深度学习的视频修复和编辑工具，采用预训练的扩散变换器模型，结合轻量级背景上下文编码器和 ID 重采样技术，能够实现高质量的视频修复和编辑。该技术的重要性在于它突破了传统视频修复方法在长度和复杂度上的限制，为视频创作者提供了一种高效、灵活的工具。产品目前处于研究阶段，暂未明确价格，主要面向视频编辑领域的专业用户和研究人员。

文本引导的无形状物体修复模型

Diffree是一个基于文本引导的图像修复模型，它能够通过文本描述来添加新对象到图像中，同时保持背景的一致性、空间适宜性和对象的相关性和质量。该模型通过训练在OABench数据集上，使用稳定扩散模型和额外的掩码预测模块，能够独特地预测新对象的位置，实现仅通过文本指导的对象添加。

视频重渲染：零样本文本引导的视频到视频翻译

RERENDER A VIDEO是一种新颖的零样本文本引导的视频到视频翻译框架，用于将图像模型应用于视频领域。该框架包括两个部分：关键帧翻译和完整视频翻译。第一部分使用适应性扩散模型生成关键帧，并应用分层跨帧约束来确保形状、纹理和颜色的一致性。第二部分通过时间感知的补丁匹配和帧混合将关键帧传播到其他帧。我们的框架以低成本实现了全局风格和局部纹理的时间一致性（无需重新训练或优化）。该适应性与现有的图像扩散技术兼容，使我们的框架能够利用它们，例如使用LoRA自定义特定主题，并使用ControlNet引入额外的空间引导。大量实验证明了我们提出的框架在呈现高质量和时间一致性视频方面的有效性。

使用 AI 修复受损视频

ONERECOVERY 是一款 AI 驱动的视频修复工具，可以修复由于不正确的文件传输、拍摄 / 录制 / 编辑 / 转换 / 处理错误、操作系统崩溃、病毒、恶意软件攻击等引起的任何损坏的视频文件，包括 MP4、MOV、MKV、M2TS、AVI、3GP、M4V、MXF 等。它具有高成功率、支持免费预览修复的视频、修复高清、4K 和 8K 视频等功能。ONERECOVERY 可以修复来自计算机、手机、SD 卡、USB 闪存驱动器、硬盘驱动器、CF 卡、佳能、尼康、索尼、GoPro、大疆无人机、松下等设备的受损、破损或无法播放的视频。它适用于 Windows 和 Mac 设备。

使用语言模型引导任务规范的学习框架

GATE是一种学习框架，通过与用户进行自由形式的基于语言的交互，使用语言模型引导任务规范和推断预期行为。它在电子邮件验证、内容推荐和道德推理三个领域进行了研究。在预注册实验中，我们发现，通过生成开放式问题或合成信息丰富的边界案例等方式，提示GATE执行的语言模型往往比用户编写的提示或标签更具信息量。用户报告称，与提示或示例标记相比，交互式任务引导需要更少的工作量，并提供了用户最初没有预料到的新颖考虑因素。我们的研究结果表明，基于语言模型的引导可以成为将模型与复杂人类偏好和价值观相一致的强大工具。

文本到视频生成的创新模型，实现姿势引导的动画制作。

Follow-Your-Pose是一个文本到视频生成的模型，它利用姿势信息和文本描述来生成可编辑、可控制姿势的角色视频。这项技术在数字人物创作领域具有重要应用价值，解决了缺乏综合数据集和视频生成先验模型的限制。通过两阶段训练方案，结合预训练的文本到图像模型，实现了姿势可控的视频生成。

易用、灵活、高效的开源大模型应用开发框架。

Agently是一个开源的大模型应用开发框架，旨在帮助开发者快速构建基于大语言模型的AI agent原生应用。它通过提供一系列工具和接口，简化了与大型语言模型的交互过程，使得开发者可以更专注于业务逻辑的实现。Agently框架支持多种模型，易于安装和配置，具有高度的灵活性和扩展性。

SVFR是一个用于视频人脸修复的统一框架。

SVFR（Stable Video Face Restoration）是一个用于广义视频人脸修复的统一框架。它整合了视频人脸修复（BFR）、着色和修复任务，通过利用Stable Video Diffusion（SVD）的生成和运动先验，并结合统一的人脸修复框架中的任务特定信息，有效结合了这些任务的互补优势，增强了时间连贯性并实现了卓越的修复质量。该框架引入了可学习的任务嵌入以增强任务识别，并采用新颖的统一潜在正则化（ULR）来鼓励不同子任务之间的共享特征表示学习。此外，还引入了面部先验学习和自引用细化作为辅助策略，以进一步提高修复质量和时间稳定性。SVFR在视频人脸修复领域取得了最先进的成果，并为广义视频人脸修复建立了新的范式。

视频运动编辑的轻量级得分引导扩散模型

MotionFollower是一个轻量级的得分引导扩散模型，用于视频运动编辑。它通过两个轻量级信号控制器，分别对姿势和外观进行控制，不涉及繁重的注意力计算。该模型设计了基于双分支架构的得分引导原则，包括重建和编辑分支，显著增强了对纹理细节和复杂背景的建模能力。实验表明，MotionFollower在GPU内存使用上比最先进的运动编辑模型MotionEditor减少了约80%，同时提供了更优越的运动编辑性能，并独家支持大范围的摄像机运动和动作。

通过改进的传播和 Transformer 进行视频修复

ProPainter 是一个用于视频修复的先进模型。它结合了增强的传播和 Transformer 机制，能够快速高效地进行视频修复、对象去除、水印去除等任务。ProPainter 通过双域传播和稀疏 Transformer 来提升性能和效率，能够在保持良好效果的同时大幅提升 PSNR 值 1.46 dB。该模型适用于广泛的视频修复场景，定价灵活合理。

ChatGPT引导词扩展插件

GPTMagicPrompts是一款为ChatGPT设计的Chrome插件，提供高级引导词，帮助用户快速获得ChatGPT的最佳响应。它节省时间、提高生产力，具有专业的引导词，适用于各种话题。与ChatGPT无缝配合，无需额外设置。通过GPTMagicPrompts，用户可以更高效地使用ChatGPT，轻松实现目标。

文本到视频生成的创新框架

VideoTetris是一个新颖的框架，它实现了文本到视频的生成，特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术，精确地遵循复杂的文本语义，并通过操作和组合去噪网络的空间和时间注意力图来实现。此外，它还引入了一种新的参考帧注意力机制，以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

文本到图像生成/编辑框架

RPG-DiffusionMaster是一个全新的无需训练的文本到图像生成/编辑框架，利用多模态LLM的链式推理能力增强文本到图像扩散模型的组合性。该框架采用MLLM作为全局规划器，将复杂图像生成过程分解为多个子区域内的简单生成任务。同时提出了互补的区域扩散以实现区域化的组合生成。此外，在提出的RPG框架中闭环地集成了文本引导的图像生成和编辑，从而增强了泛化能力。大量实验证明，RPG-DiffusionMaster在多类别对象组合和文本-图像语义对齐方面优于DALL-E 3和SDXL等最先进的文本到图像扩散模型。特别地，RPG框架与各种MLLM架构（例如MiniGPT-4）和扩散骨干（例如ControlNet）兼容性广泛。

通过文本生成高质量AI视频

Sora视频生成器是一个可以通过文本生成高质量AI视频的在线网站。用户只需要输入想要生成视频的文本描述,它就可以使用OpenAI的Sora AI模型,转换成逼真的视频。网站还提供了丰富的视频样例,详细的使用指南和定价方案等。

高保真文本引导的音乐生成与编辑模型

MelodyFlow是一个基于文本控制的高保真音乐生成和编辑模型，它使用连续潜在表示序列，避免了离散表示的信息丢失问题。该模型基于扩散变换器架构，经过流匹配目标训练，能够生成和编辑多样化的高质量立体声样本，且具有文本描述的简单性。MelodyFlow还探索了一种新的正则化潜在反转方法，用于零样本测试时的文本引导编辑，并展示了其在多种音乐编辑提示中的优越性能。该模型在客观和主观指标上进行了评估，证明了其在标准文本到音乐基准测试中的质量与效率上与评估基线相当，并且在音乐编辑方面超越了以往的最先进技术。

一站式AI视频生成平台

AI Studios是一个提供全方位AI视频生成解决方案的平台，它结合了自然语言处理、机器学习等先进技术，使用户能够快速创建高质量的视频内容。该平台的主要优点包括高效率、低成本、易操作性，以及强大的自定义功能。AI Studios通过提供80+种语言的文本转语音、视频翻译、视频模板等工具，帮助用户轻松制作教育视频、商业广告、新闻报道等多样化视频内容。价格方面，AI Studios提供免费试用，并根据用户需求提供不同级别的付费服务。

提供一种新颖的视频到视频编辑框架，无需训练即可使用

AnyV2V是一个创新的视频到视频编辑框架，允许用户使用任何现成的图像编辑工具编辑视频的第一帧，然后使用现有的图像到视频生成模型进行图像到视频的重建。这种方法使得各种编辑任务变得简单，包括基于提示的编辑、样式转换、主题驱动的编辑和身份操纵。

将单目视频转换为沉浸式立体3D视频的框架

StereoCrafter是一个创新的框架，它利用基础模型作为先验，通过深度估计和立体视频修复技术，将2D视频转换为沉浸式立体3D视频。这项技术突破了传统方法的局限，提高了显示设备所需的高保真度生成性能。StereoCrafter的主要优点包括能够处理不同长度和分辨率的视频输入，以及通过自回归策略和分块处理来优化视频处理。此外，StereoCrafter还开发了复杂的数据处理流程，以重建大规模、高质量的数据集，支持训练过程。这个框架为3D设备（如Apple Vision Pro和3D显示器）创造沉浸式内容提供了实际的解决方案，可能改变我们体验数字媒体的方式。

无需额外训练的高质量图像修复插件，适用于所有稳定扩散模型。

LanPaint 是一款针对稳定扩散模型的图像修复插件，通过多轮迭代推理，无需额外训练即可实现高质量的图像修复。该技术的重要性在于它为用户提供了一种无需复杂训练即可获得精准修复结果的解决方案，大大降低了使用门槛。LanPaint 适用于任何稳定扩散模型，包括用户自定义的模型，具有广泛的适用性和灵活性。它主要面向需要高质量图像修复的创作者和开发者，尤其是那些希望在不进行额外训练的情况下快速获得修复结果的用户。

开源框架，加速大型视频扩散模型

FastVideo是一个开源框架，旨在加速大型视频扩散模型。它提供了FastHunyuan和FastMochi两种一致性蒸馏视频扩散模型，实现了8倍推理速度提升。FastVideo基于PCM（Phased-Consistency-Model）提供了首个开放的视频DiT蒸馏配方，支持对最先进的开放视频DiT模型进行蒸馏、微调和推理，包括Mochi和Hunyuan。此外，FastVideo还支持使用FSDP、序列并行和选择性激活检查点进行可扩展训练，以及使用LoRA、预计算潜在和预计算文本嵌入进行内存高效微调。FastVideo的开发正在进行中，技术高度实验性，未来计划包括增加更多蒸馏方法、支持更多模型以及代码更新。

一个开源SDK，用于在应用中添加视频故事和引导页，提升用户参与度。

StorySDK是一个开源SDK，专为网站和移动应用设计，用于嵌入视频故事和引导页。它通过提供简单易用的编辑器和强大的功能，帮助开发者和内容创作者快速创建和分享吸引人的故事内容。其主要优点包括免费试用、无需信用卡、易于集成，以及提供丰富的交互功能和分析工具。该产品旨在通过视频故事的形式提升用户体验和参与度，适用于各种需要用户引导和内容展示的场景。

AI文本编辑器插件

SuggestCat是一个为现代基于Web的文本编辑器提供AI建议和语法纠正的插件。它可以自动检测语法和风格错误，并提供纠正建议。它还可以为选定的文本提供AI建议、转换和翻译功能。除此之外，SuggestCat还提供了管理员控制面板，用于管理AI建议和文本编辑功能。

文本引导的高保真3D场景合成

SceneWiz3D是一种新颖的方法，可以从文本中合成高保真的3D场景。它采用混合的3D表示，对对象采用显式表示，对场景采用隐式表示。用户可以通过传统的文本到3D方法或自行提供对象来生成对象。为了配置场景布局并自动放置对象，我们在优化过程中应用了粒子群优化技术。此外，在文本到场景的情况下，对于场景的某些部分（例如角落、遮挡），很难获得多视角监督，导致几何形状劣质。为了缓解这种监督缺失，我们引入了RGBD全景扩散模型作为额外先验，从而实现了高质量的几何形状。广泛的评估支持我们的方法实现了比以前的方法更高的质量，可以生成详细且视角一致的3D场景。

免费AI修复模糊老照片

照片修复是一个免费的AI修复服务，可以修复老照片中的模糊和损坏问题。通过几个简单的步骤，我们先进的算法可以修复最模糊和褪色的照片，让您拥有清晰高质量的图像，让您引以为豪。我们理解保护珍贵回忆的重要性，因此我们使用最先进的技术来修复您的老照片，确保它们经得起时间的考验。此外，我们注重您的隐私和个人信息的安全，您可以放心地相信我们保护您的图像数据。不要让珍贵的回忆逐渐消逝-立即尝试照片修复，恢复让您一生珍藏的照片。

Bilibili 视频总结插件~

“AI课代表” 是您在B站最专业的人工智能助手 🤖 基于GPT4的“知识提问+“视频总结”+“字幕搜索” 每日刷新免费额度 解决问题，快速定位关键点，筛选视频，帮你成为人见人爱的“课代表” 无情吸赞，学霸人设，专栏大佬，最重要的是：您的声音至关重要，我们将以“3天1更”的速度持续改进！

双语对照网页翻译插件

沉浸式翻译是一款浏览器插件，可以智能识别网页主内容区进行双语翻译。支持多种格式的文档翻译、PDF 翻译、EPUB 电子书翻译、字幕翻译等功能。支持多种翻译接口选择，提供最丝滑的翻译体验。

一致的文本到视频编辑的光流引导注意力

FLATTEN是一种用于文本到视频编辑的光流引导注意力插件。它通过在扩散模型的U-Net中引入光流来解决文本到视频编辑中的一致性问题。FLATTEN通过强制在不同帧上的相同光流路径上的补丁在注意模块中相互关注，从而提高了编辑视频的视觉一致性。此外，FLATTEN是无需训练的，可以无缝集成到任何基于扩散的文本到视频编辑方法中，并提高其视觉一致性。实验结果表明，我们提出的方法在现有的文本到视频编辑基准上取得了最新的性能。特别是，我们的方法在保持编辑视频的视觉一致性方面表现出色。

生成式室内设计训练框架

StableDesign项目旨在为生成式室内设计提供数据集和训练方法。用户上传空房间图片和文字提示，生成装修效果图。通过爱彼迎数据下载、特征提取和ControlNet模型训练，结合图像处理和自然语言处理技术，提供新思路和方法。

修复照片中的人像细节

腾讯ARC人像修复是一款专业的图像处理软件，能够修复照片中的人像细节，提升照片质量。它具有快速、准确的修复功能，可以修复各种人像瑕疵，如皮肤瑕疵、眼袋、痘痘等。该产品定价为每年99美元，主要定位于摄影师、设计师和个人用户。

AI帮你修复老照片

怀旧照片修复是一款使用人工智能技术修复老照片的工具。它可以自动去除照片上的瑕疵和瑕疵，同时保留原始细节。用户只需上传照片并点击修复按钮，即可在几秒钟内恢复宝贵的回忆。定价灵活，价格低廉，是您恢复老照片的理想选择。