元镜
元镜是一款专注于分镜创作的多模态工具，旨在为创作者提供高效的分镜创作体验。用户只需要输入文字，元镜就能自动生成视频脚本，帮助用户快速构思内容，然后根据脚本内容智能生成分镜图片，一键生成短视频，主要针对短视频、广告和宣传片等场景。
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
NotaGen
NotaGen 是由中央音乐学院与清华大学等机构联合研发的AI音乐生成模型，专注于生成高质量古典音乐乐谱，同时支持流行音乐创作。作为开源项目，其目标是推动音乐与人工智能的深度融合，为专业作曲家、教育机构及音乐爱好者提供创作辅助工具。
Bwbg
Bwbg是一款高效的在线背景变黑白工具，利用先进的图像识别技术，自动识别并将图像背景转换为黑白色调，使主体更加突出。支持灰度和对比度调整、背景虚化功能，只需点击几下鼠标即可轻松完成图片处理。
CogVideo
CogVideo是目前最大的通用领域文本到视频生成预训练模型，含94亿参数。CogVideo将预训练文本到图像生成模型（CogView2）有效地利用到文本到视频生成模型，并使用了多帧率分层训练策略。用于文本到视频的生成。它是基于Transformer架构的，旨在通过理解和转换文本描述来生成相应的视频内容。CogVideo能够处理大量的文本-视频对数据，并通过学习这些数据的模式来生成与文本描述相匹配的视频。
腾讯混元3D
腾讯混元3D，全称为 Hunyuan3D-1.0，是腾讯推出的首个同时支持文生和图生的3D开源模型，专门解决现有3D生成模型在生成速度和泛化能力方面的不足。该模型采用了基于Diffusion 技术的架构，能够同时支持文本生成和图像生成3D资产。
讯飞星火大模型
讯飞星火大模型是科大讯飞发布的一个基于深度学习的自然语言处理模型，以中文为核心，具备跨领域多任务上的类人理解和生成能力。注册免费领取1500万Tokens，该模型对标ChatGPT，并在多个领域表现出色。
海螺问问
有问题试试神奇海螺
悬河AI
AI角色智能体
暂无评论...