UniVG

Système de génération vidéo multimodale unifié

Produit OrdinaireImageGénération vidéoMultimodal

UniVG est un système unifié de génération vidéo multimodale capable de gérer diverses tâches de génération vidéo, incluant les modalités texte et image. Grâce à l'intégration d'une attention croisée multi-conditionnelle et d'un bruit gaussien biaisé, il permet une génération vidéo à la fois hautement et faiblement contrainte. Sur la référence académique publique MSR-VTT, il atteint la distance vidéo de Fréchet (FVD) la plus faible, surpassant les méthodes open-source actuelles en termes d'évaluation humaine et rivalisant avec la méthode propriétaire Gen2.

Best AI Websites & Tools

UniVG

UniVG Dernière situation du trafic

UniVG Tendance des visites

UniVG Distribution géographique des visites

UniVG Sources de trafic

UniVG Alternatives

UniVG — Système de génération vidéo multimodale unifié

HunyuanVideo-I2V — HunyuanVideo-I2V est un framework de génération d'image à vidéo basé sur HunyuanVideo, lancé par Tencent.

leapfusion-hunyuan-image2video — Une nouvelle technique d'échantillonnage image-vers-vidéo, basée sur le modèle Hunyuan, permettant la génération de vidéos de haute qualité.

SmolVLM-256M-Instruct — SmolVLM-256M est le plus petit modèle multi-modal au monde, capable de traiter efficacement les entrées image et texte et de générer des sorties textuelles.

Hallo3 — Technique d'animation d'images de portrait hautement dynamique et réaliste basée sur un réseau de transformateurs de diffusion.

InternVL2_5-2B-MPO — Modèle linguistique large multimodal avancé

Fashion-VDM — Modèle de diffusion vidéo pour essayage virtuel.

Pixtral-12B-2409 — Modèle multimodal de 12 milliards de paramètres, combinant un encodeur visuel pour traiter les images et le texte.

LLaVA-OneVision — Modèle de transformation performant pour les tâches de vision multimodale

WorldDreamer — Modèle de pointe de génération vidéo

MouSi — Modèle linguistique visuel multimodal

DragNUWA — Créez des vidéos finement contrôlées en quelques clics, sans aucune expérience préalable de montage vidéo.

Runway Gen-2 — Système d'intelligence artificielle multimodale capable de générer des vidéos originales à partir de texte, d'images ou de clips vidéo.

Wan.video — Wan_AI Creative Drawing est une plateforme utilisant l'intelligence artificielle pour la création d'images et de vidéos créatives.

Inception Labs — Inception Labs lance une nouvelle génération de modèles linguistiques de grande diffusion, offrant une capacité de génération de langage extrêmement rapide, efficace et de haute qualité.

EgoLife — EgoLife est un projet d'assistant IA pour la vie quotidienne, à long terme, multimodal et multi-vues, visant à faire progresser la recherche sur la compréhension du contexte à long terme.

UniTok — UniTok est un tokeniseur visuel unifié pour la génération et la compréhension d'images.

Wan2GP — Wan2GP est un modèle de génération vidéo open source optimisé, conçu pour les utilisateurs de GPU peu performants, prenant en charge plusieurs tâches de génération vidéo.

ViDoRAG — ViDoRAG est un framework d'agents d'inférence itérative dynamique qui combine la recherche de documents visuels et l'amélioration de la génération.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

Mochii AI — Mochii AI est un écosystème d'intelligence artificielle personnalisé, basé sur des modèles de pointe, qui favorise l'avenir de la collaboration entre l'homme et l'IA.

hunyuan-video-keyframe-control-lora — Il s'agit d'un adaptateur basé sur le modèle HunyuanVideo, utilisé pour la génération de vidéos basées sur des images clés.

M2RAG — Bibliothèque de code de référence pour la génération améliorée par la recherche dans un contexte multimodal.

TheoremExplainAgent — TheoremExplainAgent est un système intelligent permettant de générer des vidéos explicatives multimodales de théorèmes.

Gemini 2.0 Flash-Lite — Gemini 2.0 Flash-Lite est un modèle linguistique efficace, optimisé pour le traitement de longs textes et de nombreux scénarios d'application.

ComfyUI-WanVideoWrapper — ComfyUI-WanVideoWrapper est un outil fournissant des nœuds ComfyUI pour WanVideo.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct est un modèle de base multimédia léger développé par Microsoft, prenant en charge les entrées texte, image et audio.

Magma-8B — Magma-8B est un modèle d'IA multimodale développé par Microsoft, capable de traiter des entrées image et texte et de générer des sorties textuelles.

Wan2.1 — Wan2.1 est un modèle de génération vidéo évolué et open source à grande échelle, prenant en charge plusieurs tâches de génération vidéo.

Wan2.1-T2V-14B — Wan2.1-T2V-14B est un modèle de génération de vidéo à partir de texte hautes performances, prenant en charge plusieurs tâches de génération vidéo.