产品库

从单张图片生成交互式3D场景

WonderWorld是一个创新的3D场景扩展框架，允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法，显著减少了计算时间，生成几何一致的扩展，使3D场景的生成时间少于10秒，支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

Vast 3D Gaussians for Large Scene Reconstruction的非官方实现

VastGaussian是一个3D场景重建的开源项目，它通过使用3D高斯来模拟大型场景的几何和外观信息。这个项目是作者从零开始实现的，可能存在一些错误，但为3D场景重建领域提供了一种新的尝试。项目的主要优点包括对大型数据集的处理能力，以及对原始3DGS项目的改进，使其更易于理解和使用。

从多视角图像创建3D场景

CAT3D是一个利用多视角扩散模型从任意数量的输入图像生成新视角的3D场景的网站。它通过一个强大的3D重建管道，将生成的视图转化为可交互渲染的3D表示。整个处理时间（包括视图生成和3D重建）仅需一分钟。

Hillbot是一家专注于机器人基础模型的公司，旨在为工业和家庭任务提供AI驱动的机器人

Hillbot致力于机器人创新的前沿，通过为机器人提供AI大脑和适应性技能，使其能够在复杂环境中执行复杂任务。公司在收集真实世界和模拟数据方面的专业知识，显著扩展了机器人基础模型的训练数据集。通过在3D场景捕捉、模拟和机器人学习算法方面的核心技术，Hillbot不仅在制造机器人，还在定义具身AI（AI与机器人技术的融合）的边界，以增强所有领域的能力。

SceneScript：通过Reality Labs研究实现3D场景重建

SceneScript是Reality Labs研究团队开发的一种新型3D场景重建技术。该技术利用AI来理解和重建复杂的3D场景，能够从单张图片中创建详细的3D模型。SceneScript通过结合多种先进的深度学习技术，如半监督学习、自监督学习和多模态学习，显著提高了3D重建的准确性和效率。

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。

通过文本生成3D场景中的对象插入

InseRF是一种通过文本提示和2D边界框在NeRF重建的3D场景中生成新对象的方法。它能够从用户提供的文本描述和一个参考视点中的2D边界框中生成新的3D对象，并将其插入到场景中。该方法能够在不需要显式3D信息的情况下实现可控的、与3D一致的对象插入。通过在多个3D场景中进行试验，证明了InseRF方法相对于现有方法的有效性。

高效构建3D语言场

LangSplat通过将CLIP语言嵌入映射到一组3D高斯分布来构建3D语言场,实现了对3D场景进行开放词汇量查询。它避免了NeRF中的昂贵渲染过程,大大提高了效率。学习到的语言特征精确捕捉对象边界,提供了精确的3D语言场,没有需要后处理。LangSplat相比LERF提高了199倍的速度。

从单个图像中提取材料

Material Palette从单个真实世界图像中提取PBR材料（漫反射率、法线和粗糙度）的调色板。该产品提供了一种方法，通过扩散模型将图像的区域映射到材料概念，从而允许采样类似场景中每种材料的纹理图像。随后，利用独立网络将生成的纹理分解为空间变化的BRDF（SVBRDF），为渲染应用提供准备好的材料。该方法利用合成材料库和扩散生成的RGB纹理数据集，通过无监督域自适应实现对新样本的泛化。产品通过合成和真实世界数据集进行了全面评估，并展示了从真实照片估算材料并用于编辑3D场景的方法的适用性。

单文本/图像生成可导航3D场景

LucidDreamer是一种无域3D场景生成技术，通过充分利用现有大规模扩散生成模型的能力，可以从单个文本提示或单个图像生成可导航的3D场景。该方法具有梦境和对齐两个交替步骤，首先根据输入生成多视角一致的图像，然后将新生成的3D场景部分和谐地整合在一起。LucidDreamer生成的高度详细的高斯斑点与以往的3D场景生成方法相比没有目标场景域的限制。

解决随机逆问题，无需直接监督

该产品是一种新型去噪扩散概率模型，学习从未直接观察到的信号分布中采样，而是通过已知的可微分前向模型测量。该产品可直接从部分观测的未知信号分布中采样，适用于计算机视觉任务。在逆图形学中，它能够生成与单个2D输入图像一致的3D场景分布。产品定价灵活，定位于图像处理和计算机视觉领域。

编辑3D场景的指令式NeRF编辑器

Instruct-NeRF2NeRF是一款用于编辑NeRF场景的指令式编辑器。它使用图像条件扩散模型（InstructPix2Pix）逐步编辑输入图像，同时优化底层场景，从而得到一个优化的3D场景，该场景符合编辑指令。我们证明了我们的方法能够编辑大规模的现实世界场景，并且能够比之前的工作实现更真实、更有针对性的编辑。

第一个为3D创作者打造的全息共享平台

Looking Glass Blocks是第一个为3D创作者打造的全息共享平台。它提供了一个内置的人工智能转换工具，可以将任何2D图像转换为全息图。用户可以将全息图分享和嵌入到互联网上的任何设备，并直接投射到Looking Glass显示器上。无需调整光照或纹理，可以按照设计的方式展示3D场景。Looking Glass Blocks还提供了一个发现平台，让用户可以发现和分享其他创作者创建的全息图。

AI制作高转化视频

KapKap是一款基于AI的唇同步视频生成工具，帮助创作者制作高转化的营销视频。您可以使用语音转文字获取文案，使用4K相机拍摄高清产品视频，使用自动提词器让您在摄像机前的表演更加自然。当然，我们也提供强大的编辑功能，可以一键删除尴尬的沉默，添加引人注目的字幕，并支持多种语言。您还可以通过一张照片创建自己的动画视频。欢迎使用KapKap！

这是一个使用深度学习为文字描述生成动画视频的模型

AnimateLCM是一个使用深度学习生成动画视频的模型。它可以仅使用极少的采样步骤就生成高保真的动画视频。与直接在原始视频数据集上进行一致性学习不同,AnimateLCM采用了解耦的一致性学习策略,将图像生成先验知识和运动生成先验知识的萃取进行解耦,从而提高了训练效率并增强了生成的视觉质量。此外,AnimateLCM还可以与Stable Diffusion社区的插件模块配合使用,实现各种可控生成功能。AnimateLCM已经在基于图像的视频生成和基于布局的视频生成中验证了其性能。

在线视频编辑工具

Clipfly是一个强大的在线视频编辑工具，使用AI技术，可以帮助用户在浏览器中快速编辑和创建视频。它提供了丰富的视频编辑功能，包括剪辑、裁剪、添加文字、添加音乐、添加滤镜等。用户可以通过AI视频生成器将静态图片转换为动画视频，还可以使用AI视频增强器将模糊的视频变得清晰。Clipfly还提供了丰富的媒体库，用户可以添加贴纸、图像、音乐和过渡效果等创意元素来定制视频。Clipfly适用于个人用户和商业用户，可以用于增加品牌曝光、提高品牌参与度、加快工作流程等。

大规模视频自动配音数据集

ANIM-400K是一个包含超过425,000个对齐的日语和英语动画视频片段的综合数据集，支持自动配音、同声翻译、视频摘要、流派/主题/风格分类等各种视频相关任务。该数据集公开用于研究目的。

AI驱动的动画涂鸦视频创作工具

DoodleMaker是一款利用AI技术自动将任何文本或内容转换成色彩丰富的涂鸦动画视频的工具。它集成了无限的文本转语音、语言翻译、完备的素材库等技术,可极大简化视频创作流程,无需技术经验即可轻松制作高质量的涂鸦视频。

创建沉浸式动画故事

ReelCraft是一个能够从简单的文本提示中创建沉浸式动画视频的工具。它让你的想象力成为画布，AI成为艺术家。ReelCraft解决了动画制作的复杂、昂贵和耗时的问题。它能够轻松将你的想法转化为引人入胜的动画故事。ReelCraft提供一致的角色生成，具有丰富的功能，并可适用于各种场景。

使用扩散模型实现时域一致的人体图像动画

MagicAnimate是一款基于扩散模型的先进框架，用于人体图像动画。它能够从单张图像和动态视频生成动画视频，具有时域一致性，能够保持参考图像的特征，并显著提升动画的保真度。MagicAnimate支持使用来自各种来源的动作序列进行图像动画，包括跨身份的动画和未见过的领域，如油画和电影角色。它还与DALLE3等T2I扩散模型无缝集成，可以根据文本生成的图像赋予动态动作。MagicAnimate由新加坡国立大学Show Lab和Bytedance字节跳动共同开发。

集聚多项创作工具于一体

来画是一款集聚多项创作工具于一体的设计产品，包括动画视频、平面设计、数字人、视频编辑等多项智能工具，致力为各行各业解决不同的创作难题。产品提供口播视频制作能力，选择数字人主播，输入口播文本，即可将文本转换成视频，帮助企业节省视频制作时间和成本。同时还提供在线图片设计和视频编辑工具，满足用户的设计和剪辑需求。产品还提供千万级正版商用素材资源，包括动画、图片、音乐、字体等，满足创作者各类应用场景素材需求。

多语言AI配音平台，3步即可创建或配音视频

UniDub是一个多语言AI配音平台，通过简单的3步操作，可以创建或配音40多种语言的视频。它具有成本效益高、表达力强、制作快速的优势。UniDub支持自定义配音风格、背景音乐，并提供了多种使用场景，包括配音视频、制作动画视频、自定义声音、创建有声书等。你可以根据需要选择不同的功能点来满足不同的需求。

AI自动生成在线课程视频

UMU AI Video是一款利用人工智能自动生成在线课程视频的工具。它可以根据幻灯片、演讲笔记和个人头像，自动产生专业的视频课程，节省制作时间。用户可以使用多语言文本转语音和唇形同步的虚拟讲师形象，将文字内容转化为动画视频。该工具可广泛应用于高效创作、知识升级、见解分享和趣味微学习等场景。

AI生成动画视频的神经框架

神经框架是一款基于人工智能技术的动画视频生成工具，可以根据文本内容自动生成动画视频，广泛应用于音乐视频制作、市场营销和数字艺术等领域。该产品具有高效快速、创意丰富、定制化程度高的优势。详细定价和定位请联系官方咨询。

轻松制作云端动画视频

Animaker是一个在线的动画视频制作工具，通过它可以轻松制作高质量的动画视频。无论是演示视频还是说明视频，Animaker都能帮助你实现。定价灵活多样，适合个人和企业使用。

AI驱动的酒店客户反馈分析平台

Feedback是一个利用人工智能技术为酒店业提供客户反馈分析的平台。它将客户反馈转化为可操作的信息，帮助酒店关注客户真正关心的事项，同时降低成本。通过实时的AI讨论、自动化个性化回复、高级竞争分析等功能，Feedback提升了服务品质，丰富了客户体验，并为酒店提供了战略优势。

一站式网页设计工作空间

Scene是一个集网页设计、协作、发布于一体的在线平台。它通过提供AI助手Muse，帮助用户从概念到部署的整个设计过程中，优化网站设计、内容创作和团队协作。Scene的主要优点包括简化设计流程、提高效率、降低成本，并通过AI技术提升用户体验。

AI驱动的演示平台，提供人性化交互体验。

DemoDazzle是一个利用OpenAI高级语言模型的AI驱动演示平台，旨在自动化各种产品和服务的演示和引导过程。该平台通过创建定制化的虚拟形象，提供实时的AI会话和问题解答，以提升用户体验和满意度。产品的主要优点包括智能化、个性化和高效率。DemoDazzle即将上线，目前处于测试模式。

在线文本转语音平台，AI配音神器。

TTSMaker是一款在线的文本转语音平台，通过AI人工智能算法将文本轻松转换成音频。它支持50多种语言和300多个语音包风格，适用于视频配音、有声读物、教育培训和产品营销等多种场景。用户可以免费使用TTSMaker合成语音，并且拥有合成的音频文件的100%版权，可以用于任何合法的商业用途。