灵活调整光源位置和强度的AI光照编辑工具

利用AI提升媒体处理和数字资产管理效率

HunyuanVideo-I2V 是腾讯推出的基于 HunyuanVideo 的图像到视频生成框架。

UniTok是一个用于视觉生成和理解的统一视觉分词器。

一种新颖的图像到视频采样技术，基于Hunyuan模型实现高质量视频生成。

SmolVLM-256M 是世界上最小的多模态模型，可高效处理图像和文本输入并生成文本输出。

一个功能强大的图像生成工具，它通过扩散模型技术，根据文本描述生成高质量的图像。这个工具为用户提供了一种创新的方式来探索和实现他们的创意视觉概念，TextDiffuser-2官网入口网址

FitDiT 是一种用于高保真虚拟试衣的新型服装感知增强技术。

InternVL2.5-MPO系列模型，基于InternVL2.5和混合偏好优化，展现卓越性能。

图像水印技术，可在图片中嵌入局部化水印信息

人脸匿名化技术，保留关键细节同时有效保护隐私。

先进的多模态大型语言模型

提供免费PNG图片下载和AI图片处理工具

从实体书籍中提取划线或手写标记的文本

AI驱动的开发工作台，Omni Engineer官网入口网址

将静态图片转化为生动的动画视频。LivePortrait.app官网入口网址

VisionAgent是一个用于生成代码以解决视觉任务的库，支持多种LLM提供商。

强大的视频替换与编辑软件，利用AI技术实现自然效果。

一种从2D图像学习3D人体生成的结构化潜在扩散模型。

一个基于Google Gemini 2.0的高精度OCR文字识别应用。

开源自回归视觉生成模型项目

为ComfyUI提供Luma AI API的自定义节点。

基于参考增强扩散的3D内容生成模型

简便易用、功能强大的免费修图软件

AI绘画软件，与Adobe Photoshop无缝衔接

利用Claude 3.5 Sonnet Vision API进行图像中物体检测和可视化的强大Python工具

视频扩散模型，用于虚拟试穿。

一个用于创建简单漫画的扩展功能。

革新图像创作，探索无限可能。

多模态大型模型，处理文本、图像和视频数据

AI驱动的图像文字识别服务

多模态大型语言模型，展示卓越的整体性能。