Mini-Gemini
Mini-Gemini是一个简单而有效的框架，用于增强多模态视觉语言模型（VLMs），由中国香港中文大学和 SmartMore 的研究人员共同推出。Mini-Gemini支持一系列密集和MoE大型语言模型（LLMs），从2B到34B。为了增强视觉token，该框架建议在不增加视觉token数量的情况下，利用额外的视觉编码器进行高分辨率细化。同时，Mini-Gemini还构建了一个高质量的数据集，以促进精确的图像理解和基于推理的生成，从而扩大当前VLM的操作范围。
Step-Video-T2V是由 阶跃星辰 与 吉利汽车集团 联合开源的一款先进文本生成视频（Text-to-Video）模型。这款模型在 2025 年 2 月 18 日正式发布，具备强大的多模态生成能力，支持中文和英文输入，适用于广告、影视制作、教育等多个场景。
其主要特点功能：
- 强大的模型参数：拥有 300 亿参数，能够生成最长 204 帧的视频，支持高分辨率和流畅的动态效果。
- 高效压缩技术：采用深度压缩变分自编码器（Video-VAE），实现 16×16 空间压缩和 8x 时间压缩，同时保持视频的高质量。
- 双语支持：内置双语文本编码器，支持中文和英文输入，适应多语言用户需求。
- 视觉质量优化：通过视频偏好优化（Video-DPO）技术，减少视频中的伪影，提升视觉效果，使生成的视频更加真实和自然。
- 多场景适用：在运动、风景、动物、节日、3D 动画等多个类别中表现出色，适用于创意内容制作、广告、教育等领域。
Step-Video-T2V 是一款开源模型，用户可以通过其 GitHub 仓库获取代码和模型权重，方便开发者进行二次开发和应用。
Step-Video-T2V：一款开源的多模态文本生成视频模型
数据统计
相关导航
Choppity
Choppity是一款自动化视频编辑工具，旨在帮助用户节省视频编辑时间。无论是社交媒体、销售、培训视频还是其他类型的视频，Choppity 都可以为您提供高效、便捷的编辑解决方案。如果您喜欢使用 Canva，那么您一定会喜欢 Choppity。
一起剪
免费的短视频智能创作平台
YouMind
YouMind是一个由前阿里前端玉伯创立的AI内容创作和整理平台，旨在帮助用户从网页、视频、播客、PDF 和图片等多种来源提取信息并整合，从而激发创作灵感。YouMind 支持多格式内容提取、知识管理和 AI 辅助功能，为创作者提供全面的创作支持。
Light-A-Video
Light-A-Video 是一个无需训练的视频重光工具，通过渐进光融合（PLF）技术和一致光注意（CLA）模块，实现视频的重光照。该项目由上海交通大学、中国科学技术大学、香港中文大学、香港科技大学、斯坦福大学和上海人工智能实验室的研究人员共同开发，旨在提升视频中光照效果的自然性，使生成的视频帧在光源和外观上更加一致。
秒出PPT
10秒做出实用精美PPT
Al Face Swap
AI Face Swap是一个免费的在线AI人脸替换工具，利用先进的人工智能技术进行照片和视频中的人脸替换。用户只需上传照片或视频，即可享受即时的人脸替换效果。AI Face Swap 支持单张图片人脸替换、视频人脸替换和批量处理多张图像，界面友好，无需专业知识。
腾讯混元DiT
腾讯混元DiT是一个基于Diffusion transformer的文本到图像生成模型，也是业内首个中文原生的DiT架构文生图开源模型。该模型具有中英文细粒度理解能力，能够与用户进行多轮对话，根据上下文生成并完善图像。
暂无评论...