产品库

Nana Banana 2是下一代文本到图像和编辑引擎，提供快速高质量视觉效果。

Nana Banana 2是一款前沿的文本到图像和图像编辑AI模型，基于先进架构构建，专为超低延迟和完美视觉连贯性进行了优化。它的优势在于具备场景感知智能、多图像融合和角色一致性等能力，能理解场景上下文、空间关系和对象语义，实现自然的图像编辑和生成。该模型由DeepMind的研究力量支持，融入了世界知识、场景逻辑和视觉推理。价格方面，部分功能免费，如创建角色、场景和产品等，具体收费情况未详细提及，定位主要面向需要高质量图像生成和编辑的创作者、营销人员等专业人士及商业场景。

illumi是支持集成多模型的上下文感知白板，助力AI团队高效协作。

illumi是一款面向AI驱动团队的上下文感知白板，其重要性在于解决了团队使用AI工作时存在的痛点，如分散的提示、受限的工作流和进度易丢失等问题。主要优点包括：能让团队在无限画布上实时协作，使知识得以留存和积累，方便团队成员共同提升AI技能，还能统一多种AI工具，避免上下文切换。产品背景是基于当前AI驱动团队工作方式的变革和需求而开发，目前处于测试阶段。价格方面提供免费试用，定位是为团队和个人提供高效的AI协作与知识管理平台。

MockAnything AI可将产品想法转化为逼真生活场景模型，可编辑导出。

MockAnything AI是一款专注于产品设计领域的在线工具，其核心功能是利用人工智能技术，帮助用户快速将产品创意转化为逼真的生活方式模型。该产品的重要性在于解决了传统模型制作过程中耗费时间、技能要求高以及成本昂贵的问题。主要优点包括：无需复杂的Photoshop操作，无需聘请昂贵的设计师或进行专业的摄影拍摄，用户只需描述自己的想象，即可在数分钟内生成可定制和导出的逼真产品场景。产品面向各类有产品展示需求的公司和个人，提供了免费使用的机会，同时可能也有付费的高级功能或套餐，以满足不同用户的需求。

AI驱动语言学习，多门外语轻松掌握，免费且符合CEFR标准

MANA Learn是一款由AI驱动的语言学习APP。其重要性在于借助先进的AI技术革新语言教育，让用户能更轻松、高效地学习多门外语。产品背景是为了实现让每个人都能免费获得世界级语言教育的愿景。主要优点包括采用CEFR专业标准设计课程，科学有效；提供个性化AI教学，智能匹配学习内容；能高效利用碎片时间，每天3分钟稳步提升；采用场景化实用教学，提升真实沟通能力；并且完全免费，无任何隐性消费。产品定位是面向广大语言学习爱好者，尤其是初学者，提供优质、便捷、免费的语言学习服务。

革命性的上下文感知 AI 图像编辑与生成技术。

Fluxx AI 是一款革命性的多模态 AI 模型，能够通过文本和视觉上下文进行即时图像编辑与生成。该技术不仅理解用户的编辑意图，还能保持图像中的角色一致性与风格连贯性，适用于创意项目与品牌资产。Fluxx AI 提供多个版本，支持从基础到专业的多种需求，定价灵活，提供免费和付费选项，适合不同用户使用。

提供AI边缘处理器，专为实现高性能深度学习应用而设计。

Hailo AI on the Edge Processors提供AI加速器和视觉处理器，支持边缘设备解决方案，旨在实现新时代的AI边缘处理和视频增强。产品定位于提供高性能深度学习应用，同时支持感知和视频增强。

利用AI和先进计算力量改变世界的SandboxAQ。

SandboxAQ利用AI模拟、加密管理以及全球组织的AI感知等技术来解决影响社会的重大挑战，是一个具有重要意义的先进计算产品。

全球音频感知技术的革命性AI唇同步技术。

LIP Sync AI是一项革命性的AI技术，利用全球音频感知引擎将静态照片转换为栩栩如生的会话视频。其主要优点在于高效、现实的生成效果，使得照片具有完美唇部同步。该产品定位于为用户提供高质量的唇同步视频生成服务。

体验革命性的FLUX Kontext AI图像生成和编辑，利用具有上下文感知的技术创建、修改和增强图像。

Kontext AI的FLUX Kontext是一项具有上下文感知能力的技术，可用于图像生成和编辑。其主要优点包括快速、准确的生成和编辑图像，支持复杂的编辑工作流程，结合了传统文本到图像模型和流式生成建模。

AurumTau是一款面向人类和代理人设计的先进AI搜索引擎。

AurumTau是一款基于先进AI技术的智能、上下文感知的搜索引擎，为您提供智能、上下文感知的答案。它的主要优点在于提供准确且快速的答案，帮助用户解决问题。

1.3B参数的图像转视频模型，用于生成3D一致的新场景视图

Stable Virtual Camera是Stability AI开发的一个1.3B参数的通用扩散模型，属于Transformer图像转视频模型。其重要性在于为新型视图合成（NVS）提供了技术支持，能够根据输入视图和目标相机生成3D一致的新场景视图。主要优点是可自由指定目标相机轨迹，能生成大视角变化且时间上平滑的样本，无需额外神经辐射场（NeRF）蒸馏即可保持高一致性，还能生成长达半分钟的高质量无缝循环视频。该模型仅可免费用于研究和非商业用途，定位是为研究人员和非商业创作者提供创新的图像转视频解决方案。

Qodo Gen 是一款 AI 驱动的 IDE 插件，帮助开发者生成高质量代码和测试用例。

Qodo Gen 是一款专为开发者设计的 AI 编程工具，以插件形式集成到 IDE 中。它通过智能代码生成、自动化测试和代码审查等功能，帮助开发者提高编程效率和代码质量。其基于 Retrieval Augmented Generation (RAG) 技术，能够理解代码上下文并生成符合项目风格的代码和测试用例。Qodo Gen 的主要优点包括高效生成代码和测试用例、智能代码审查以及与现有开发流程的无缝集成。产品面向追求高效开发和高质量代码的开发团队，支持多种编程语言和开发环境，定价策略灵活，适合不同规模的企业使用。

Project Aria 是 Meta 推出的以第一人称视角进行机器感知和增强现实研究的项目。

Project Aria 是 Meta 推出的专注于第一人称视角研究的项目，旨在通过创新技术推动增强现实（AR）和人工智能（AI）的发展。该项目通过 Aria Gen 2 眼镜等设备，从用户视角收集信息，为机器感知和 AR 研究提供支持。其主要优点包括创新的硬件设计、丰富的开源数据集和挑战赛，以及与全球研究合作伙伴的紧密合作。该项目的背景是 Meta 对未来 AR 技术的长期投入，旨在通过开放研究推动行业进步。

Aria Gen 2 是一款用于机器感知、情境 AI 和机器人研究的新型智能眼镜。

Aria Gen 2 是 Meta 推出的第二代研究级智能眼镜，专为机器感知、情境 AI 和机器人研究而设计。它集成了先进的传感器和低功耗的机器感知技术，能够实时处理 SLAM、眼动追踪、手势识别等功能。该产品旨在推动人工智能和机器感知技术的发展，为研究人员提供强大的工具来探索如何让 AI 更好地理解人类视角的世界。Aria Gen 2 不仅在技术上取得了突破，还通过与学术界和商业研究实验室的合作，促进了开放研究和公众对这些关键技术的理解。

JoyGen 是一种音频驱动的 3D 深度感知的说话人脸视频编辑技术。

JoyGen 是一种创新的音频驱动 3D 深度感知说话人脸视频生成技术。它通过音频驱动唇部动作生成和视觉外观合成，解决了传统技术中唇部与音频不同步和视觉质量差的问题。该技术在多语言环境下表现出色，尤其针对中文语境进行了优化。其主要优点包括高精度的唇音同步、高质量的视觉效果以及对多语言的支持。该技术适用于视频编辑、虚拟主播、动画制作等领域，具有广泛的应用前景。

基于现实世界的首个生成式AI产品

PhotoG是一个基于现实世界的生成式AI平台，它允许用户将任何物品放置到任何场景中，提供个性化定制和广泛的商品选择。PhotoG的技术优势在于实时控制和即时结果，能够100%准确地复制场景，无论是买家还是卖家，都能在任何上下文中可视化产品。该产品起源于开源社区孵化器AID Lab，由来自同济大学、清华大学和UCL等世界前30名QS大学的顶尖团队开发，超过90%的团队成员持有高级学位。PhotoG的目标是将这项技术带给全球数十亿人，并通过持续创新改善生活。

下一代原生GUI代理模型，能够无缝与图形用户界面交互。

UI-TARS 是由字节跳动研究团队开发的下一代原生GUI代理模型，旨在通过人类般的感知、推理和行动能力与图形用户界面进行无缝交互。该模型集成了感知、推理、定位和记忆等所有关键组件，能够在无需预定义工作流或手动规则的情况下实现端到端的任务自动化。其主要优点包括强大的多模态交互能力、高精度的视觉感知和语义理解能力，以及在多种复杂任务场景中的出色表现。该模型适用于需要自动化GUI交互的场景，如自动化测试、智能办公等，能够显著提高工作效率。

一种支持多种视频生成控制任务的统一架构模型。

Diffusion as Shader (DaS) 是一种创新的视频生成控制模型，旨在通过3D感知的扩散过程实现对视频生成的多样化控制。该模型利用3D跟踪视频作为控制输入，能够在统一的架构下支持多种视频控制任务，如网格到视频生成、相机控制、运动迁移和对象操作等。DaS的主要优势在于其3D感知能力，能够有效提升生成视频的时间一致性，并在短时间内通过少量数据微调即可展现出强大的控制能力。该模型由香港科技大学等多所高校的研究团队共同开发，旨在推动视频生成技术的发展，为影视制作、虚拟现实等领域提供更为灵活和高效的解决方案。

基于大型电影数据库的剧本可视化辅助工具

ScriptViz是一个基于斯坦福大学开发的MovieNet数据库的剧本可视化工具，它通过分析1100部电影的不同层级标注，包括电影级别的类型标签、场景级别的地点标签、镜头级别的电影风格标签以及帧级别的角色边界框注释，帮助编剧在创作过程中通过可视化的方式丰富对话细节和撰写未完成的对话。该工具的主要优点在于能够根据编剧输入的固定和可变属性检索相应的电影场景序列，从而辅助编剧在创作过程中做出更好的决策。ScriptViz的背景信息显示，它是由斯坦福大学的Anyi Rao、Jean-Peïc Chou和Maneesh Agrawala共同开发的，并且在ACM UIST 2024上展示。

LG在CES 2025展示基于AI的车内感知解决方案

LG AI In-Vehicle Experience是LG电子在CES 2025上展示的最新创新技术，旨在通过LG的Vision AI解决方案，检测并响应车内乘员的需求，优化车内环境，提升驾驶体验的安全性和便利性。这项AI驱动的车内感知解决方案通过实时监测和分析驾驶员和车内情况，提供个性化服务，如定制驾驶路线、实时路况更新以及附近基础设施和兴趣点信息。该技术通过实时心率监测和面部表情识别，识别驾驶员的生理健康和情绪状态，提高道路安全，并为驾驶员提供健康追踪的便捷方式。