UniVG

Sistema unificado de generación de video multi-modal

Producto ComúnImagenGeneración de videoMultimodal

UniVG es un sistema unificado de generación de video multi-modal capaz de gestionar diversas tareas de generación de video, incluyendo las modalidades de texto e imagen. Mediante la introducción de la atención cruzada multicondicional y el ruido gaussiano sesgado, se consigue una generación de video de alta y baja libertad. En el benchmark académico público MSR-VTT, ha logrado la distancia de Fréchet de video (FVD) más baja, superando el rendimiento de los métodos de código abierto actuales en evaluaciones humanas y situándose a la par del método propietario Gen2.

Best AI Websites & Tools

UniVG

UniVG Situación del tráfico más reciente

UniVG Tendencia de visitas

UniVG Distribución geográfica de las visitas

UniVG Fuentes de tráfico

UniVG Alternativas

UniVG — Sistema unificado de generación de video multi-modal

TheoremExplainAgent — TheoremExplainAgent es un sistema inteligente para generar vídeos explicativos multimodales de teoremas.

OmniHuman-1 — OmniHuman-1 es un marco multimodal que genera videos humanos basados en una sola imagen de persona y señales de movimiento.

DiTCtrl — Exploración del control de atención en transformadores de difusión multimodal para la generación de videos largos con múltiples indicaciones sin necesidad de ajuste fino.

Emu3 — Modelo inteligente multimodal de próxima generación

Runway Gen-2 — Un sistema de inteligencia artificial multimodal que genera videos novedosos a partir de texto, imágenes o clips de video.

Wan.video — Wan_AI Creative Drawing es una plataforma que utiliza la tecnología de inteligencia artificial para la creación de dibujos y vídeos creativos.

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

HunyuanVideo-I2V — HunyuanVideo-I2V es un framework de generación de imagen a video basado en HunyuanVideo, desarrollado por Tencent.

Aya Vision — Aya Vision es un modelo de visión multimodal multilingüe lanzado por Cohere, diseñado para mejorar la comprensión visual y de texto en escenarios multilingües.

EgoLife — EgoLife es un proyecto de asistente de IA para la vida diaria a largo plazo, multimodal y multiperspectiva, cuyo objetivo es impulsar la investigación sobre la comprensión de contextos a largo plazo.

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

Wan2GP — Wan2GP es un modelo de generación de video de código abierto optimizado, diseñado para usuarios con GPU de baja configuración, y admite varias tareas de generación de video.

ViDoRAG — ViDoRAG es un marco de agentes de razonamiento iterativo dinámico que combina la recuperación de documentos visuales con la generación mejorada.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

Mochii AI — Mochii AI es un ecosistema de inteligencia artificial personalizado respaldado por modelos de vanguardia, que impulsa el futuro de la colaboración entre humanos e IA.

hunyuan-video-keyframe-control-lora — Este es un adaptador basado en el modelo HunyuanVideo, utilizado para la generación de video basada en fotogramas clave.

ComfyUI-WanVideoWrapper — ComfyUI-WanVideoWrapper es una herramienta que proporciona nodos ComfyUI para WanVideo.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct é um modelo básico multimodal leve desenvolvido pela Microsoft, que suporta entrada de texto, imagem e áudio.

Magma-8B — Magma-8B es un modelo de IA multimodal desarrollado por Microsoft que puede procesar entradas de imagen y texto y generar salidas de texto.

Wan2.1 — Wan2.1 es un modelo de generación de video a gran escala, avanzado y de código abierto, que admite varias tareas de generación de video.

Wan2.1-T2V-14B — Wan2.1-T2V-14B es un modelo de generación de vídeo a partir de texto de alto rendimiento, que admite múltiples tareas de generación de vídeo.

Wan — Wan es un modelo de generación de video visualmente avanzado desarrollado por el laboratorio Tongyi de Alibaba, capaz de generar videos basados en texto, imágenes y otras señales.

DeepSeek Japonés — DeepSeek es un modelo de lenguaje IA avanzado, especializado en razonamiento lógico, matemáticas y tareas de programación, disponible de forma gratuita.

JoyGen — JoyGen es una tecnología de edición de vídeo de rostros parlantes con percepción de profundidad 3D impulsada por audio.

Generador de videos con IA de Freepik — El Generador de videos con IA de Freepik utiliza tecnología de inteligencia artificial para generar rápidamente videos de alta calidad.

Generador de Vídeos de Kung Fu con IA — Genere vídeos de kung fu profesionales online usando la tecnología Hailuo IA.

ZeroBench — ZeroBench es un benchmark visual de alta dificultad para modelos multimodales grandes contemporáneos.

Phantom — Phantom es un modelo de generación de video con coherencia de sujeto basado en el alineamiento multimodal.

Magma — Magma es un modelo base capaz de comprender y ejecutar entradas multimodales, utilizable en tareas y entornos complejos.