如果说第一代 SAM 已经让人眼前一亮，那么 2024 年发布的 SAM 2 则真正将图像分割推向了新高度。它在保持图像分割强大能力的同时，专门针对视频分割进行...

最近banana模型火出圈了，好多人发现了各种各样的玩法，比如说3D手办，P图等等。

但是这玩意我觉得真的够强，在我实际工作中也已经用上好几天，所以，体验下来，我是真的觉得对的这个史诗级名号。

论文链接：https://arxiv.org/pdf/2508.10898 Git 链接：https://chaoyuesong.github.io/Puppe...

文章链接：https://arxiv.org/abs/2508.16930 项目链接：https://szczesnys.github.io/hunyuanvi...

混元Voyager框架创新性地将场景深度预测引入视频生成过程，融合了视频生成与3D建模优势，基于相机可控的视频生成技术，从初始场景视图和用户指定相机轨迹中，合成...

.xapk是Android应用分发的一种格式，它是一种将Android应用的多个模块（如APK、配置文件、资源文件等）打包在一起的文件格式。其本质是一个压缩包，...

本模型并不是视频生成，而是根据你提供的一段视频和一段新的音频，合成一个全新的视频。其中视频生成需要使用阿里的WAN之类的模型。

如今随着扩散模型的兴起极大，涌现出大量基于音频驱动的数字人生成工作。具体而言，语音驱动人类视频生成旨在基于参考图像与音频，合成面部表情与身体动作与音频高度同步的...

该论文提出了一套创新性的主动式可信视频取证系统，利用相机卷帘门效应在视频中嵌入高维物理水印，并结合 AI 技术与概率模型进行精准验证，能够有效抵御深度伪造（De...

Video Ocean 不只是创作短视频的工具，它能应对复杂的商用级创作需求。无论是企业广告、品牌宣传片，还是产品发布会视频，你只需简单指令，Agent 即可迅...

https://www.modelscope.cn/models/Wan-AI/Wan2.2-S2V-14B/summary

这个视频音效来自腾讯混元视频音效生成模型Hunyuan-Foley。我们还可以用它来生成流行的ASMR，体验“听觉爽感”，解压效果直接拉满。

如果说 ChatGPT 真正的开创了聊天时代的智能对话，那么这次 Google 发布的 Nano Gemini 2.5 Flash Image（Nano Ban...

你没看错，前20名里有5个是中国名字。这意味着什么？意味着全世界用户正在用中国的AI工具做搜索、写文案、画画、剪视频、聊人生。

背景： 在当今数字时代，博客成为了分享知识、展示个人专业能力和吸引读者的重要工具。然而，随着越来越多的博客涌现，如何优化博客的内容和用户体验成为了一个关键的问...

在浏览器中通过JavaScript调用摄像头主要使用 MediaDevices API，以下是详细步骤和示例代码：

在数字内容爆炸的今天，当用户点击视频、刷新网页时，一场精密的「数据接力赛」已在后台悄然上演。在这场赛事中，HTTP代理扮演着至关重要的「战术指挥官」角色——它既...

数字人播报视频是一种利用人工智能技术，将文本或语音输入转化为真实的头像和口型动作，并通过视频形式呈现出来的技术。这些数字人播报视频通常使用深度学习模型，其中包括...