DragNUWA
微软发布了DragNUWA 1.5版本，用户可以在图像上画出对应方向的箭头标记。在通过图像生成视频之前，这些标记可以用来指导镜头的运动方向。
Janus 是由 DeepSeek 团队开发的一系列统一多模态理解与生成模型
数据统计
相关导航
AI Comic Factory
AI Comic Factory是一款免费开源的漫画生成器，采用LLM和SDXL技术，用户只需输入提示词即可生成类似漫画风格的图片。生成的图片可无损放大，也可保存或直接打印。
DeepFaceLive
DeepFaceLive是一个用于PC流媒体或视频通话的实时人脸替换工具。
Audiocraft
Facebook Research开发的Audiocraft音频处理和生成库。它包含了先进的EnCodec音频压缩器/分词器以及MusicGen，一个简单且可控的音乐生成语言模型，具备文本和旋律条件约束。Audiocraft是使用深度学习进行音频处理和生成的工具。它可以帮助您进行音频压缩、分析和生成。 Audiocraft的一些主要功能特点包括：
金山快译
金山WPS推出的在线翻译平台 金山快译是由金山办公推出的 在线翻译平台 ，提供在线文本翻译和人工专业快速服务。
Objective Search 翻译站点
构建一种功能强大的多模式搜索机制，可于您的应用中使用。通过我们的API，您可以轻松地进行图像、视频、音频和其他人工智能的搜索。
刘群
中国科学院计算技术研究所研究员，机器翻译领域专家
FunASR 基础语音识别工具包
FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调