计算机视觉

一款前沿的开源视觉语言模型（VLM），旨在突破传统“文字链式思维（Chain-of-Thought, CoT）”的局限，首次实现了“像素空间链式思维”能力。

CatchMe 是一款 AI 内容鉴别平台，支持在线检测图像、视频和音频是否由 AI 生成，有效应对换脸、换声诈骗和深伪内容风险，适合 AI 工具使用者保障内容真伪安全。

一款先进的 AI 视频生成平台。用户可以通过简单的文本提示或上传图片，快速生成高质量的动态视频内容。

由中山大学深圳校区、美团及香港科技大学联合提出的 音频驱动多人人物对话视频生成框架。

腾讯混元团队联合腾讯音乐天琴实验室（MuseV）于 2025 年 5 月 28 日发布并开源的语音驱动数字人模型。

全场景 AI 拍摄与编辑，包括人像背景替换、超分辨率放大、AI 宏观拍摄，甚至在 Mac 平台提供 AI 视频增强功能。

一款基于 AI 的视频到 3D 动画动作捕捉与渲染工具。

视频、照片和GIF的人脸互换设计。

​Ghibli Art AI 是一款免费在线工具，利用 ChatGPT 的 AI 技术，将用户的照片或文字描述转换为吉卜力风格的艺术作品。 ​

4D‑LRM 是一款由 Ziqiao Ma 等人提出的 Transformer 驱动大规模时空重建模型，基于 4D 高斯混合表示，实现从稀疏视角与时间点输入，到任意视角与任意时间点的连续动态重建。本文详解其架构、性能、使用指南与常见问题，帮助 AI 工具用户掌握 4D‑LRM。

一款基于人工智能的视频背景移除工具，能够智能识别视频中的人物或主体，并自动去除背景，无需绿幕或专业设备。

快手推出的最新一代 AI 视频生成工具，于 2025 年 5 月 29 日正式发布。

一款专注于将脚本快速转换为专业 UGC 式短视频的平台。

图像到视频扩散技术将静态卡通图像转化为流畅的动画。

WUI.AI 是一款专注于人工智能视频编辑与优化的工具，面向视频创作者、播客制作者及社交媒体营销人员，致力于通过AI技术将长视频快速转化为适配TikTok、Instagram、YouTube Shorts等平台的短视频，显著提升内容生产效率与传播效果。

AnimaTensor 是一个专为动漫风格设计的开源 SDXL 模型，由 Animagine XL 4.0-Zero 微调而成，训练于 840 万张 Danbooru 图像，支持 V‑prediction、Zero-terminal SNR 和高分辨率生成，适合内容创作者快速制作高质量动漫艺术作品。

一款创新的 AI 驱动 3D 动画平台，旨在通过自然语言输入和视频素材，快速生成可编辑的高质量角色动画，显著降低动画制作的技术门槛和时间成本。

Luma AI 推出的先进视频编辑工具，集成于其旗舰平台 Dream Machine 中。

Stream‑Omni 是由中科院 ICT NLP 团队开源的一体化 GPT‑4o 风格语言-视觉-语音多模态聊天模型。支持任何输入组合（文本、图像、语音）并生成文本和语音回应，具备边听边列文字中转、轻量训练与同声互动能力，是 AI 工具使用者构建多模态界面的优秀起点。

一款利用AI生成可缩放矢量图形（SVG）的在线工具。

实现跨文本推理、多模态理解和文本到图像生成等多个领域的卓越性能。

PartCrafter ——首个支持从单张 RGB 图像生成结构化 3D 模型 的 AI 工具。

快速创建专业级的产品照片和视觉内容。

Hunyuan3D‑PolyGen 是腾讯混元3D系列的最新旗舰级模型，以生产级“Art‑Grade”网格拓扑为目标，支持三角/四边形网格、高压缩编码与自动重拓扑，能减少 70% 制作时间、提升 35% 拓扑整洁度，是游戏开发者与 3D 艺术师的创作助力。

一个基于人工智能的 UI 助手工具，旨在将设计师或产品经理的界面截图转化为高质量的 prompt 指令，快速用于生成可编辑的界面原型或设计素材。

AnimaX 是阿里巴巴 DAMO Academy 推出的最新文本驱动 3D 动画框架，利用视频扩散与骨架控制让静态模型动起来，适合 AI 工具使用者构建高质量 3D 动画。

由字节跳动与复旦大学联合提出的一种自适应推理框架，旨在提升大型语言模型（LLM）和多模态大型语言模型（MLLM）在处理各类任务时的推理效率与准确性。

腾讯于2025年5月推出的首个工业级 AIGC（人工智能生成内容）游戏内容生产引擎。

快速生成具有包装盒设计、配件与场景元素的高质量动作人偶形象。

石榴AI是一款由北京祥亮科技推出的全能 AI 数字人及视频创作平台，支持文本/音频驱动视频生成、数字人定制、API 接入，助力短视频博主、教育与企业内容创作者高效输出。

一款基于人工智能的免费在线配色工具，旨在帮助设计师、开发者及创意工作者快速生成高质量的调色板。

创建高质量的产品摄影场景。

ByteDance开发的多模态文档图像解析模型，处理包含文本、表格、图形和公式等交织元素的复杂文档图像而设计。

一款完全免费的 AI文生图片工具，支持无限制在线图像生成、风格、色调、构图与灯光选择，且无需注册，适合设计师、内容创作者及社交媒体运营者快速获取高质量视觉素材。

字节跳动旗下火山引擎推出的旗舰 视频生成基础模型，支持图像转视频、文本转视频，具备多镜头无缝拼接、影视级运镜和高语义理解能力。本文深度剖析 Seedance 1.0 的功能、使用指南、技术亮点与应用场景，并配常见问题 FAQ，助力 AI 工具用户掌握这款创新模型。

FlowDirector是一款无需训练的文本驱动视频编辑新框架，通过 ODE 流式演化实现高精度、时序一致的视频修改，具备局部可控与语义对齐优势，适合创作者和开发者快速文本编辑视频。

普林斯顿大学、哥伦比亚大学和 Cyberever AI 联合推出的开源 AI 框架，旨在从单张俯视图图像生成逼真且连贯的三维城镇场景。

CreateVision AI 是一款完全免费的无登录 AI 图像生成平台，支持多引擎驱动、无限次高质量图像创作，为创意工作者、设计师、内容营销人员带来极致便捷与自由。

一款视频电商平台，允许商家将产品视频转化为互动式、可购物的体验。

OpusClip 团队推出的全新 AI 缩略图生成工具，旨在帮助 YouTube 创作者快速制作高点击率的缩略图。

AI 驱动视觉搜索引擎，旨在通过先进的视觉智能技术，让用户能够通过视觉内容与世界互动。

万象驭影 是北京矩阵像素科技推出的多模态 AI 视频创作平台，整合多智能体与跨模态技术，支持批量剪辑、精细剪辑与一站式投放，面向企业营销与内容创作者优化视频产能与成本。

提供高度真实的虚拟试穿体验。

首个国内一体化 A电影创作平台，通过 AI 驱动的剧情生成、角色设定、分镜制作、配音配乐及4K视频输出，帮助创作者无门槛制作短片与广告，实现“人人皆导演”梦想。

一款专为 TikTok Shop 商家、内容创作者和品牌方打造的 AI 驱动的社交电商智能分析与内容创作平台。

一文掌握 Qwen VLo——阿里巴巴发布的多模态生成与理解模型，从核心能力、使用路径到实战案例和常见问题，详解其如何帮助 AI 工具使用者提升图像生成与编辑效率。

​XJoy AI是一款人工智能驱动的虚拟女友应用，旨在为用户提供个性化的情感陪伴和互动体验。​通过先进的AI技术，用户可以与虚拟女友进行自然流畅的对话，分享日常生活、情感和兴趣爱好。

LONGLIVE 是由 NVlabs 推出的创新型 AI 技术项目，旨在通过先进的深度学习与生成算法，为长视频生成、内容复原与高质量视频处理提供强大支持。