-
7000字超全拆解Sora提示词秘籍解析及竞品效果对比测评
2024年2月16日凌晨，OpenAI 正式发布了文本到视频生成模型Sora，直接生成60s视频，多角色多镜头切换的视频，还上了央视新闻。 目前 Sora 并未开放，只向少数导演艺术家开放邀请码。 至此，好莱坞的时代结束了，人人可以做视频电影的时代到来啦! 今天我们就 Sora 生成视频来拆解提示词秘籍公式，竞品视频生成效果对比，解析 Sora 优势劣势和 Sora 模型原理。 一、AIGC视频模…- 7
-
字节跳动发布豆包视频生成模型，这效果让我分不清AI虚拟与现实的边界
以下文章转载自丨IT之家 9 月 24 日，火山引擎 AI 创新巡展在深圳举办，带来了豆包大模型的最新进展——豆包大模型家族迎来了新成员，这是针对 AI 视频创作。 具体来说，火山引擎全新推出了豆包·视频生成模型，以及豆包·音乐模型、同声传译模型，同时还升级了通用语言模型、文生图模型、语音模型，不断增强各类模态以及规模化的调用量，让豆包大模型&l…- 7
-
MMaDA – 字节联合普林斯顿大学等推出的多模态扩散模型
MMaDA项目简介 MMaDA（Multimodal Large Diffusion Language Models）是普林斯顿大学、清华大学、北京大学和字节跳动推出的多模态扩散模型，支持跨文本推理、多模态理解和文本到图像生成等多个领域实现卓越性能。模型用统一的扩散架构，具备模态不可知的设计，消除对特定模态组件的需求，引入混合长链推理（CoT）微调策略，统一跨模态的CoT格式，推出UniGRPO，…- 6
-
MoviiGen 1.1 – AI视频生成模型，支持生成电影级画质
MoviiGen 1.1项目简介 MoviiGen 1.1 是ZulutionAI 推出的专注于生成电影级画质视频的AI模型。模型基于 Wan2.1 微调而成，经过专业电影制作人和AIGC创作者在60个美学维度上的评估，表现出色。模型在氛围营造、镜头运动和物体细节保留方面优于竞争对手，支持720P和1080P分辨率，生成的视频清晰度高、连贯性强，适合高保真场景和专业电影应用。模型提供提示扩展功能，…- 1
-
ScrapeGraphAI – AI网络爬虫工具，自动分析目标网页结构提取关键数据
ScrapeGraphAI项目简介 ScrapeGraphAI 是基于大型语言模型（LLM）驱动的智能网络爬虫工具包，专注于从各类网站和HTML内容中高效提取结构化数据。具备三大核心功能：SmartScraper可根据用户提示精准抓取网页中的结构化信息；SearchScraper基于AI驱动的搜索技术从搜索引擎结果中提取关键信息；Markdownify可将网页内容快速转换为整洁的Markdown格…- 1
-
Dolphin – 字节跳动开源的文档解析大模型
Dolphin项目简介 Dolphin 是字节跳动开源的轻量级、高效的文档解析大模型。基于先解析结构后解析内容的两阶段方法，第一阶段生成文档布局元素序列，第二阶段用元素作为锚点并行解析内容。Dolphin在多种文档解析任务上表现出色，性能超越GPT-4.1、Mistral-OCR等模型。Dolphin 具有322M参数，体积小、速度快，支持多种文档元素解析，包括文本、表格、公式等。Dolphin的…- 1
-
Playwright MCP – 微软推出的AI浏览器自动化工具
Playwright MCP项目简介 Playwright MCP 是微软推出的轻量级浏览器自动化工具，基于 Model Context Protocol (MCP) 协议。工具基于 Playwright 的可访问性树实现与网页的交互，无需依赖视觉模型或截图，适合与大语言模型（LLM）结合使用。Playwright MCP支持多种浏览器（如 Chrome、Firefox、WebKit），提供丰富的…- 4
-
RelightVid – 上海 AI Lab联合复旦等高校推出的视频重照明模型
RelightVid项目简介 RelightVid是上海 AI Lab、复旦大学、上海交通大学、浙江大学、斯坦福大学和香港中文大学推出用在视频重照明的时序一致性扩散模型，支持根据文本提示、背景视频或HDR环境贴图对输入视频进行细粒度和一致的场景编辑，支持全场景重照明和前景保留重照明。模型基于自定义的增强管道生成高质量的视频重照明数据对，结合真实视频和3D渲染数据，在预训练的图像照明编辑扩散框架（I…- 2