UniVG

Sistema unificado de geração de vídeo multimodal

Produto ComumImagemGeração de vídeoMultimodal

O UniVG é um sistema unificado de geração de vídeo multimodal capaz de lidar com diversas tarefas de geração de vídeo, incluindo modalidades de texto e imagem. Por meio da introdução de atenção cruzada multi-condicional e ruído Gaussiano enviesado, ele alcança geração de vídeo com alto e baixo grau de liberdade. No benchmark acadêmico público MSR-VTT, atingiu a menor distância de vídeo de Fr´echet (FVD), superando os métodos de código aberto atuais em avaliações humanas e se igualando ao método proprietário Gen2.

Best AI Websites & Tools

UniVG

UniVG Situação do Tráfego Mais Recente

UniVG Tendência de Visitas

UniVG Distribuição Geográfica das Visitas

UniVG Fontes de Tráfego

UniVG Alternativas

UniVG — Sistema unificado de geração de vídeo multimodal

OmniHuman-1 — OmniHuman-1 é uma estrutura multimodal baseada em uma única imagem de rosto e sinais de movimento para gerar vídeos humanos.

InternVL2_5-38B-MPO — Modelo da série InternVL2.5-MPO, baseado no InternVL2.5 e otimização de preferência mista, apresentando desempenho excepcional.

DiTCtrl — Explorar o controle de atenção em transformadores de difusão multimodais para gerar vídeos longos com múltiplas instruções sem ajuste fino.

Fashion-VDM — Modelo de difusão de vídeo para prova virtual.

Emu3 — Modelo de inteligência multimodal de próxima geração

Llama-3.2-11B-Vision — Modelo de linguagem grande multimodal, suporta processamento de imagem e texto.

ComfyUI-LumaAI-API — Nó personalizado para o ComfyUI que fornece acesso à API da Luma AI.

WorldDreamer — Modelo de ponta em geração de vídeo

DragNUWA — Sem experiência em produção de vídeo, gere vídeos com controle preciso através de operações simples.

Runway Gen-2 — Um sistema de inteligência artificial multimodal que gera vídeos novos com base em texto, imagens ou clipes de vídeo.

Wan.video — Wan_AI Creative Drawing é uma plataforma que utiliza tecnologia de inteligência artificial para criação de desenhos e vídeos criativos.

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 é uma estrutura de geração de imagem para vídeo lançada pela Tencent, baseada no HunyuanVideo.

Aya Vision — Aya Vision é um modelo de visão multimodal multilíngue lançado pela Cohere, com o objetivo de melhorar a capacidade de compreensão visual e textual em cenários multilíngues.

EgoLife — EgoLife é um projeto de assistente de IA para a vida cotidiana, de longo prazo, multimodal e multiperspectivo, com o objetivo de impulsionar a pesquisa em compreensão de contexto de longo prazo.

UniTok — UniTok é um tokenizador visual unificado para geração e compreensão visual.

Wan2GP — O Wan2GP é um modelo de geração de vídeo de código aberto otimizado, projetado para usuários com GPUs de baixa configuração, e suporta diversas tarefas de geração de vídeo.

ViDoRAG — ViDoRAG é uma estrutura de agente de raciocínio iterativo dinâmico que combina recuperação de documentos visuais com geração aprimorada.

Migician — Migician é um modelo de linguagem grande multimodal focado na localização de imagens múltiplas, capaz de realizar localização precisa de imagens múltiplas de forma livre.

Mochii AI — Mochii AI é um ecossistema de inteligência artificial personalizado, com suporte de modelos de ponta, que impulsiona o futuro da colaboração entre humanos e IA.

hunyuan-video-keyframe-control-lora — Este é um adaptador baseado no modelo HunyuanVideo, usado para geração de vídeo baseada em keyframes.

M2RAG — Repositório de código de benchmark para geração aprimorada por recuperação em contexto multimodal.

TheoremExplainAgent — TheoremExplainAgent é um sistema inteligente usado para gerar vídeos explicativos multimodais de teoremas.

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 é uma ferramenta que fornece nós ComfyUI para o 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 é um modelo de IA multimodal lançado pela Microsoft, capaz de processar entradas de imagem e texto e gerar saídas de texto.

Wan2.1 — O Wan2.1 é um modelo de geração de vídeo em larga escala, avançado e de código aberto, que suporta diversas tarefas de geração de vídeo.

Wan2.1-T2V-14B — Wan2.1-T2V-14B é um modelo de geração de vídeo a partir de texto de alto desempenho, que suporta várias tarefas de geração de vídeo.