AI 模型 AI

Yolly AI 是一款革命性的一体化平台，旨在以前所未有的便捷和速度将创意概念转化为令人惊叹的视觉效果。它集成了 Veo3、Seedance 和 Kling 等世界领先的 AI 模型，提供人人可用的专业级视频生成和图像创作解决方案。无论您是经验丰富的内容创作者、营销专家，还是仅仅拥有远见卓识的普通人，Yolly AI 都能助您立即将创意变为现实，摆脱

ModelVerse 提供了一个集中式平台，可直接比较众多大型语言模型的输出。用户无需通过其专属界面单独访问每个模型，只需将相同的提示输入 ModelVerse，即可获得来自各种模型的响应，这些模型包括 ChatGPT-4 和 Google Gemini 等知名模型，以及 DeepSeek R1 和 Mixtral 等新兴模型。这种并排比较功能可以帮助

YouArt 是一个综合性的创意工作室，旨在利用人工智能的力量将您的天马行空的想法变为现实。它是一个一体化平台，提供丰富的图像和视频生成工具。无论您是经验丰富的艺术家，还是探索数字创作世界的新手，YouArt 都能提供易于使用且直观的界面，将简单的文本提示转化为令人惊艳的高质量视觉效果。该平台旨在让创作过程更加民主化，让用户无需掌握丰富的技术技能或使用

Overcut 通过将自主代理直接集成到您的开发生命周期中，为工程工作流程引入了全新的范式。与传统的辅助工具不同，Overcut 代理会在您设定的边界内持续运行，观察您现有的系统（例如 GitHub、Jira 和 CI/CD 流水线），以了解您的工作环境。这使得它们能够主动识别和处理各种任务——从代码更改和审核到 PR 和测试——使您的团队能够在不增加

Captioner 是一款功能强大的 AI 字幕生成器和编辑器，旨在简化您的视频内容创作流程。它允许您快速高效地为视频添加精准的字幕，从而节省您宝贵的时间和精力。该平台完全基于浏览器，无需复杂的软件安装或下载。无论您是内容创作者、教育工作者还是商务人士，Captioner 都能提供用户友好的解决方案，让您的视频更易于访问且更具吸引力。它支持多种视频格式

CoSpaceGPT 是一个全面且安全的 GenAI 工作区，专为团队协作和创新而设计。它在一个统一的平台内即可访问各种领先的大型语言模型 (LLM)，包括 ChatGPT、Claude、Gemini、Grok 等。这消除了企业级订阅和分散工具的困扰，从而简化了工作流程并提高了生产力。CoSpaceGPT 以企业级安全为核心，使组织能够充分利用 AI

VeeSpark 的 AI 视频生成器是一款功能强大的工具，旨在轻松将您的创意概念转化为引人入胜的视频。无论您是拥有完整的脚本、一系列故事板框架，还是仅仅拥有一个引人入胜的想法，我们的 AI 引擎都能高效地将您的输入转化为高质量的视频内容。这使其成为需要快速有效地制作引人入胜的视觉效果的内容创作者、营销专业人士和教育工作者的理想解决方案。该生成器简化了

remio 是一款新一代生产力助手，旨在从根本上改变用户与信息的交互方式。它能够无缝捕获来自各种来源的内容——网页、文档、新闻报道，甚至 YouTube 视频和社交媒体帖子——并以简洁易懂的格式呈现。除了简单的捕获功能外，remio 还支持将本地文件（包括 docx、pdf、文本和图像文件）直接同步到个人知识库，无需上传，确保数据始终易于访问并实时更新

Wan2.2 是一个开放且先进的大规模视频生成模型，它将混合专家 (MoE) 架构引入视频扩散模型。该架构利用强大的专业模型，将去噪过程在不同时间步长上分离，从而在保持相同计算成本的同时提升了模型的整体容量。Wan2.2 还整合了精心挑选的美学数据，并附有光照、构图、对比度、色调等详细标签，从而实现更精准、更可控的电影风格生成。

Diffuman4D 是一种从稀疏视角视频合成 4D 一致性人类视角的新颖方法。它能够从稀疏视角视频中对真人表演进行高保真自由视角渲染。给定稀疏视角视频，Diffuman4D 会根据这些输入生成 4D 一致性多视角视频，并使用输入和生成的视频重建真人表演的高保真 4DGS 模型。这允许实时渲染具有复杂服装和动作的真人表演的新视角。

Elevate3D 是一个新颖的框架，可将易于获取的低质量 3D 资源转换为更高质量的资源。它增强了低质量的 3D 模型，通过迭代纹理和几何细化将其转换为高质量资源。Elevate3D 的核心是 HFS-SDEdit，这是一种专门的纹理增强方法，可以在显著提高纹理质量的同时，保留外观和几何形状，并修复其质量下降的问题。

Elev

Higgs Audio V2 是一个强大的音频基础模型，已基于超过 1000 万小时的音频数据和丰富的文本数据进行预训练。得益于其对语言和声学的深度理解，它在富有表现力的音频生成方面表现出色。这意味着您现在可以专注于告诉模型您希望它如何呈现对话，或者您可以完全信任它能够独立提供极其逼真的音频。Higgs Audio V2 在 Seed-TTS Eval

Chain-of-Zoom (CoZ) 是一个模型无关的框架，通过尺度自回归和偏好对齐实现极致超分辨率。它将单图像超分辨率 (SISR) 分解为一个由中间尺度状态组成的自回归链，并带有多尺度感知提示。CoZ 反复复用主干 SR 模型，将条件概率分解为易于处理的子问题，无需额外训练即可实现极致分辨率。这使得标准 SR 模型能够实现超过 256 倍的放大，

Chatterbox 是由 Resemble AI 开发的一款先进的开源文本转语音 (TTS) 模型，旨在提供先进的语音合成和语音克隆功能。Chatterbox 基于 LLaMA 架构构建，并经过超过 50 万小时的精选音频训练，其真实感和流畅度可与领先的专有解决方案相媲美，甚至超越它们。其开源 MIT 许可证允许开发者和组织自由使用、修改和部署该技术

Flow 是一款专为创意人士打造的 AI 电影制作工具，它与创意人士共同打造，并服务于创意人士。它允许用户使用 Google 最强大的生成式 AI 模型，无缝创作电影级的剪辑、场景和故事。该工具旨在为电影制作流程带来一致性、无缝性和电影级的品质。使用 Flow，用户可以添加自己的素材，也可以在工具中生成素材，并在开始生成剪辑时轻松管理和引用这些素材。<

Jules 是由 Google 开发的一款先进的自主编码代理，旨在简化和自动化各种软件开发任务。与提供建议或补全功能的传统代码助手不同，Jules 是一款完全异步的代理，可在后台独立运行。它会将您的代码库安全地克隆到私有的 Google Cloud 虚拟机中，从而深入了解项目的结构、依赖关系和上下文。这使得 Jules 能够处理复杂的任务，例如编写新测

StdGEN 是一种创新的流程，旨在从单幅图像生成语义分解的高质量 3D 角色，显著推动虚拟现实、游戏和电影制作领域的发展。与以往分解能力有限、输出质量低下和优化时间冗长的方法不同，StdGEN 能够在短短三分钟内高效地生成复杂的 3D 角色，这些角色的语义成分（例如身体、衣服和头发）清晰可辨。其核心是语义感知大型重建模型 (S-LRM)，这是一种基于

LiveCC 是一个先进的视频大型语言模型 (Video LLM) 平台，专注于实时评论和流式语音转录。它旨在突破传统视频语言模型的局限性，这些模型严重依赖昂贵的人工标注或专有 API 来训练数据。LiveCC 利用自动语音识别 (ASR) 转录，根据时间戳将 ASR 词汇与视频帧紧密交织。这种流式方法使模型能够学习时间对齐的细粒度视觉-语言关系，从而

BizGen 是一个先进的文章级可视化文本渲染框架，能够生成格式丰富、视觉引人入胜的商业内容。BizGen 构建于先进的多语言可视化文本生成模型之上，旨在处理结构复杂的超密集布局，支持超过 50 个图层和超过 1,000 个标记的提示。这使得它非常适合创建信息图表、商业报告、数字广告以及其他需要文本和视觉元素无缝集成的内容。通过利用布局引导的交叉注意力

Dia 是由 Nari Labs 开发的一款突破性的开源文本转语音 (TTS) 模型，旨在从纯文本生成高度逼真、情感丰富的对话。Dia 拥有 16 亿个参数，能够生成自然的多说话人对话，其表现远超传统的 TTS 系统。与许多竞争对手不同，Dia 不仅能解读脚本中的文字，还能嵌入笑声、咳嗽声和叹息声等非语言声音的提示，从而生成与真实人类互动非常接近的音频