Whisk
Whisk是Google实验室推出的一款图像创作工具，它利用先进的图像处理技术，让用户能够轻松地创作和编辑图像。Whisk的主要优点在于其强大的图像处理能力和用户友好的界面，它能够快速地将用户的想法转化为视觉作品。Whisk的背景信息显示，它是由Google的创新团队开发的，旨在推动图像创作技术的边界，为用户提供一个全新的创作平台。Whisk的价格定位尚未明确，但考虑到Google实验室的性质，它可能会提供免费试用或部分免费功能。
排序
InternVL2_5-38B
InternVL 2.5是OpenGVLab推出的多模态大型语言模型系列，它在InternVL 2.0的基础上进行了显著的训练和测试策略增强，以及数据质量提升。该模型系列能够处理图像、文本和视频数据，具备多模态理解和生成的能力，是当前多模态人工智能领域的前沿产品。InternVL 2.5系列模型以其高性能和开源特性，为多模态任务提供了强大的支持。
Electronic-Component-Sorter
Vanguard-s/Electronic-Component-Sorter是一个利用机器学习和人工智能自动化识别和分类电子元件的项目。该项目通过深度学习模型，能够将电子元件分为电阻、电容、LED、晶体管等七大类，并通过OCR技术进一步获取元件的详细信息。它的重要性在于减少人工分类错误，提高效率，确保安全性，并帮助视觉障碍人士更便捷地识别电子元件。
InternVL2_5-4B-MPO
InternVL2.5-MPO是一个先进的多模态大型语言模型系列，基于InternVL2.5和混合偏好优化构建。该模型集成了新增量预训练的InternViT和各种预训练的大型语言模型，如InternLM 2.5和Qwen 2.5，使用随机初始化的MLP投影器。它支持多图像和视频数据，并且在多模态任务中表现出色，能够理解和生成与图像相关的文本内容。
Try Nano Banana AI Free Online
Nano Banana AI是一款基于突破性AI架构的免费在线图像编辑工具，具有卓越的角色一致性和快速处理能力。其主要优点包括无与伦比的角色一致性、极速处理、自然语言编辑、多模态智能等。
OmniGen2
OmniGen2 是一个高效的多模态生成模型，结合了视觉语言模型和扩散模型，能够实现视觉理解、图像生成及编辑等功能。其开源特性为研究人员和开发者提供了强大的基础，助力个性化和可控生成 AI 的探索。
UniTok
UniTok是一种创新的视觉分词技术，旨在弥合视觉生成和理解之间的差距。它通过多码本量化技术，显著提升了离散分词器的表示能力，使其能够捕捉到更丰富的视觉细节和语义信息。这一技术突破了传统分词器在训练过程中的瓶颈，为视觉生成和理解任务提供了一种高效且统一的解决方案。UniTok在图像生成和理解任务中表现出色，例如在ImageNet上实现了显著的零样本准确率提升。该技术的主要优点包括高效性、灵活性以及对多模态任务的强大支持，为视觉生成和理解领域带来了新的可能性。
face_anon_simple
face_anon_simple是一个人脸匿名化技术，旨在通过先进的算法在保护个人隐私的同时保留原始照片中的面部表情、头部姿势、眼神方向和背景元素。这项技术对于需要发布包含人脸的图片但又希望保护个人隐私的场合非常有用，比如在新闻报道、社交媒体和安全监控等领域。产品基于开源代码，允许用户自行部署和使用，具有很高的灵活性和应用价值。
Kissgen AI
KissGen AI是一款利用先进的人工智能技术生成个性化接吻视频的领先工具。其能将照片转化为逼真的接吻视频，为用户创造难忘的浪漫瞬间。
Grok App
Grok是一个由X.AI Corp开发的AI助手应用，旨在提供最真实、有用和好奇的答案。用户可以通过Grok获取任何问题的答案、生成引人注目的图像，并上传图片以更深入地了解世界。Grok以其高质量的图像生成、实时更新的数据、对话式的幽默语气和注重隐私的特性，为用户提供了一个安全、高效的AI体验平台。
ComfyUI_AdvancedRefluxControl
ComfyUI_AdvancedRefluxControl是一个自定义节点工具，用于控制Redux模型中条件图像对最终图像的影响强度。Redux模型通常用于生成图像的多个变体，但不支持根据提示改变图像。此工具通过添加自定义节点，允许用户调整Redux效果的强度，支持非方形图像和带遮罩的条件图像，从而增强图像生成的灵活性和控制力。
HunyuanVideo-I2V
HunyuanVideo-I2V 是腾讯开源的图像到视频生成模型，基于 HunyuanVideo 架构开发。该模型通过图像潜在拼接技术，将参考图像信息有效整合到视频生成过程中，支持高分辨率视频生成，并提供可定制的 LoRA 效果训练功能。该技术在视频创作领域具有重要意义，能够帮助创作者快速生成高质量的视频内容，提升创作效率。
InstantCharacter
InstantCharacter 是一个基于扩散变换器的角色个性化框架，旨在克服现有学习基础自定义方法的局限性。该框架的主要优点在于开放域个性化、高保真结果以及有效的角色特征处理能力，适合各种角色外观、姿势和风格的生成。该框架利用一个包含千万级样本的大规模数据集进行训练，以实现角色一致性和文本可编辑性的同时优化。该技术为角色驱动的图像生成设定了新的基准。
InternVL2_5-2B-MPO
InternVL2_5-2B-MPO是一个多模态大型语言模型系列，展示了卓越的整体性能。该系列基于InternVL2.5和混合偏好优化构建。它集成了新增量预训练的InternViT与各种预训练的大型语言模型，包括InternLM 2.5和Qwen 2.5，使用随机初始化的MLP投影器。该模型在多模态任务中表现出色，能够处理包括图像和文本在内的多种数据类型，适用于需要理解和生成多模态内容的场景。
WHAM
WHAM（World and Human Action Model）是由微软研究院开发的一种生成式模型，专门用于生成游戏场景和玩家行为。该模型基于Ninja Theory的《Bleeding Edge》游戏数据训练，能够生成连贯、多样化的游戏视觉和控制器动作。WHAM 的主要优点在于其能够捕捉游戏环境的3D结构和玩家行为的时间序列，为游戏设计和创意探索提供了强大的工具。该模型主要面向学术研究和游戏开发领域，帮助开发者快速迭代游戏设计。
Text Behind Image AI
Text Behind Image是一个在线工具，允许用户在图片上添加文字，创造出文字背后效果，增强视觉冲击力。这种技术在广告、社交媒体和个人项目中尤为重要，因为它能够吸引观众的注意力并传达信息。产品背景信息表明，这是一个简单、快速且专业的解决方案，用户无需复杂的设计技能即可实现出色的设计效果。目前，该工具提供免费使用，适合个人和商业项目。
OmniParser-v2.0
OmniParser 是微软开发的一种先进的图像解析技术，旨在将不规则的屏幕截图转换为结构化的元素列表，包括可交互区域的位置和图标的功能描述。它通过深度学习模型，如 YOLOv8 和 Florence-2，实现了对 UI 界面的高效解析。该技术的主要优点在于其高效性、准确性和广泛的适用性。OmniParser 可以显著提高基于大型语言模型（LLM）的 UI 代理的性能，使其能够更好地理解和操作各种用户界面。它在多种应用场景中表现出色，如自动化测试、智能助手开发等。OmniParser 的开源特性和灵活的许可证使其成为开发者和研究人员的有力工具。
Graphix
Graphix AI是一款集成了多种AI功能的智能绘画软件，它能够实现文生图、图生图、变脸变装、局部改图重绘等功能。该应用以其高性能GPU支持快速出图，丰富的模型库满足用户创作需求，广泛应用于社交媒体图像创作，帮助用户实现摄影师梦想。
NanoBanana AI Image Generator
NanoBanana AI 图片生成器利用Google最新的NanoBanana模型，能在数秒内生成高质量图片。其优势在于极速生成、高质量输出、SEO友好、简单易用。价格灵活，适合各类用户。
Avatar Al
Avatar AI™是一款基于人工智能技术的头像生成工具，可以生成逼真的人物头像，满足不同用户的需求。
WePOINTS
WePOINTS是由微信AI团队开发的一系列多模态模型，旨在创建一个统一框架，容纳各种模态。这些模型利用最新的多模态模型进展和技术，推动内容理解和生成的无缝统一。WePOINTS项目不仅提供了模型，还包括了预训练数据集、评估工具和使用教程，是多模态人工智能领域的重要贡献。
OminiControl
OminiControl是一个为Diffusion Transformer模型如FLUX设计的最小但功能强大的通用控制框架。它支持主题驱动控制和空间控制（如边缘引导和图像修复生成）。OminiControl的设计非常精简，仅引入了基础模型0.1%的额外参数，同时保持了原始模型结构。这个项目由新加坡国立大学的学习与视觉实验室开发，代表了人工智能领域中图像生成和控制技术的最新进展。
AI专业版
无界AI专业版是一款集prompt搜索、AI图库、AI创作、AI广场等功能于一体的人工智能产品，帮助用户快速生成各种风格的图像，满足不同行业的创作需求。
千图网AI绘画
千图网AI绘画是一个利用人工智能技术，将用户的文字描述转化为图像的平台。它通过深度学习算法，理解用户的创意需求，并生成相应的视觉内容。这种技术的重要性在于它极大地降低了艺术创作的门槛，使得非专业人士也能轻松创作出专业级别的图像作品。产品背景信息显示，千图网AI绘画旨在释放用户的想象力与创造力，为用户提供一个简单易用的AI创意工具库。价格方面，千图网AI绘画提供免费试用，用户可以体验AI绘画的魅力，同时也提供付费服务以满足更专业的需求。
Unlucid AI
Unlucid AI是一款免费的AI工具，让用户利用无限制的AI技术创作、编辑和动画视频。其主要优点在于提供创造力无限的数字梦想空间，无需限制地释放想象力。
Instant 3D AI
Instant 3D AI是一个利用人工智能技术，能够将2D图像快速转换成3D模型的在线平台。该技术的重要性在于它极大地简化了3D模型的创建过程，使得非专业人士也能轻松创建高质量的3D模型。产品背景信息显示，Instant 3D AI已经获得了1400多位创作者的信任，并获得了4.8/5的优秀评分。产品的主要优点包括快速生成3D模型、用户友好的操作界面以及高用户满意度。价格方面，Instant 3D AI提供免费试用，让用户可以先体验产品再决定是否付费。
InternViT-6B-448px-V2_5
InternViT-6B-448px-V2_5是一个基于InternViT-6B-448px-V1-5的视觉模型，通过使用ViT增量学习与NTP损失（阶段1.5），提升了视觉编码器提取视觉特征的能力，尤其是在大规模网络数据集中代表性不足的领域，如多语言OCR数据和数学图表等。该模型是InternVL 2.5系列的一部分，保留了与前代相同的“ViT-MLP-LLM”模型架构，并集成了新增量预训练的InternViT与各种预训练的LLMs，包括InternLM 2.5和Qwen 2.5，使用随机初始化的MLP投影器。
KLINGAI
KLINGAI是一个由Kling大模型和Kolors大模型驱动的下一代AI创意工作室，受到全球创作者的高度评价。它支持视频和图像的生成与编辑，用户可以在这里释放想象力，或从其他创作者的作品中获取灵感，将想法变为现实。该应用在App Store中属于图形与设计类别，排名123，拥有3.9的用户评分。它适用于iPad，提供免费下载，但包含应用内购买项目。
VisualGPT
VisualGPT是一个一站式AI图像平台，它将数百种AI图像工具整合在一个平台上，涵盖了社交媒体图形、营销视觉、广告、研究和时尚设计等多个行业场景。该平台集成了如Nano Banana、Flux Ideogram和Stable Diffusion等强大的图像模型，能确保生成的图片清晰、细节丰富，无需额外修复，节省时间和精力。它具有零学习曲线的特点，用户只需上传图像或用简单的语言描述想法即可开始使用，界面简洁，适合初学者和专业人士。该产品免费使用，定位为满足各类用户快速轻松创建视觉内容的需求。
nanobanana.ai
Nano Banana 是一款利用谷歌 Gemini 2.5 Flash Image API 的先进 AI 图像生成与编辑平台。它通过自然语言命令轻松生成高质量图像，支持商业用途，提供专业的工作流程解决方案。定价灵活，适合个人、专业创作者和大型企业。
Nano-Banana
Nano Banana是一款利用AI技术进行专业照片编辑的平台。其强大的AI图像编辑功能可以帮助用户快速实现精准且创意十足的照片转换，适用于摄影师、设计师、内容创作者等。
Flux Context AI
FLUX Context AI是一款革命性的AI图像编辑和增强工具，采用先进的扩散技术，能在几秒钟内生成令人惊叹的高质量图像，提供对象修改、风格转换、背景替换等专业编辑功能，无需技术技能。
LlamaOCR
LlamaOCR.com是一个基于OCR技术的在线服务，它能够将上传的图像文件转换成结构化的Markdown格式文档。这项技术的重要性在于它极大地提高了文档转换的效率和准确性，尤其是在处理大量文本资料时。LlamaOCR.com由'Together AI'提供支持，并且与'Nutlope/llama-ocr'的GitHub仓库相关联，显示了其开源和社区支持的背景。产品的主要优点包括易用性、高效率和准确性。
InternVL2_5-8B-MPO
InternVL2.5-MPO是一个先进的多模态大型语言模型系列，它基于InternVL2.5和混合偏好优化构建。该模型整合了新增量预训练的InternViT与各种预训练的大型语言模型，包括InternLM 2.5和Qwen 2.5，使用随机初始化的MLP投影器。InternVL2.5-MPO在新版本中保留了与InternVL 2.5及其前身相同的模型架构，遵循“ViT-MLP-LLM”范式。该模型支持多图像和视频数据，通过混合偏好优化（MPO）进一步提升模型性能，使其在多模态任务中表现更优。
F Lite
F Lite 是由 Freepik 和 Fal 开发的一个大型扩散模型，具有 100 亿个参数，专门训练于版权安全和适合工作环境 (SFW) 的内容。该模型基于 Freepik 的内部数据集，包含约 8000 万张合法合规的图像，标志着公开可用的模型在这一规模上首次专注于合法和安全的内容。它的技术报告提供了详细的模型信息，并且使用了 CreativeML Open RAIL-M 许可证进行分发。该模型的设计旨在推动人工智能的开放性和可用性。
一键生成故障效果
一键生成故障艺术-奇迹秀是一款设计工具，可以帮助UI设计师快速生成各种故障艺术效果，提高设计效率，为设计师提供更多创作灵感。
FAE机器人
FAE人工智能大数据语言模型是一款基于人工智能技术的大数据语言模型，可以帮助用户快速生成各类文本内容，提高工作效率，创作出高质量的文案内容。
SHMT
SHMT是一种自监督的层次化化妆迁移技术，通过潜在扩散模型实现。该技术能够在不需要显式标注的情况下，将一种面部妆容自然地迁移到另一种面部上。其主要优点在于能够处理复杂的面部特征和表情变化，提供高质量的迁移效果。该技术在NeurIPS 2024上被接受，展示了其在图像处理领域的创新性和实用性。
Picture Picker
Picture Picker是一个AI驱动的图片收集和管理工具，旨在帮助设计师、插画师和创意专业人士更高效地收集、管理和检索图片。它通过一键收集、AI自动分类、自然语言搜索等功能，大大简化了图片管理流程，提高了工作效率。产品背景信息显示，Picture Picker被全球顶尖设计团队信赖，其主要优点包括一键图片收集、随时随地访问、AI自动分类、自然语言搜索等。产品定位于提升创意专业人士的工作效率，通过智能技术简化图片管理。价格方面，Picture Picker提供不同级别的订阅服务，包括免费的初学者版、6美元/月的Pro版和18美元/月的无限版，均享有年度25%的折扣。
FitDiT
FitDiT 旨在解决图像基础虚拟试衣中高保真度和鲁棒性不足的问题，通过引入服装纹理提取器和频域学习，以及采用扩张松弛掩码策略，显著提升了虚拟试衣的贴合度和细节表现，其主要优点是能够生成逼真且细节丰富的服装图像，适用于多种场景，具有较高的实用价值和竞争力，目前尚未明确具体价格和市场定位。
DiffSensei
DiffSensei是一个结合了多模态大型语言模型（LLMs）和扩散模型的定制化漫画生成模型。它能够根据用户提供的文本提示和角色图像，生成可控制的黑白漫画面板，并具有灵活的角色适应性。这项技术的重要性在于它将自然语言处理与图像生成相结合，为漫画创作和个性化内容生成提供了新的可能性。DiffSensei模型以其高质量的图像生成、多样化的应用场景以及对资源的高效利用而受到关注。目前，该模型在GitHub上公开，可以免费下载使用，但具体的使用可能需要一定的计算资源。
造点 AI编辑
夸克・造点 AI 是一个利用先进的 AI 技术生成图像和视频的平台，用户可以通过简单的输入生成视觉内容。它的主要优点是快速高效，适用于设计师、艺术家和内容创作者。该产品为用户提供灵活的创作工具，帮助他们在短时间内实现创意构思，定价模式灵活，为用户提供了更多选择。
Banana AI
Banana AI是一款基于Google Nano技术的智能图像编辑工具，可通过自然语言进行编辑，提供快速、专业的结果。该产品旨在让图像编辑变得简单易用，适合各种创意需求。
Nanobanana.co
Nano Banana是由Google的Gemini Flash Image技术提供支持的先进AI图像编辑工具，通过智能多模态图像转换重新定义创意可能性，快速、高质量地实现图像编辑。
AIVector
AI Vector是一个基于人工智能的在线转换器，能够快速将PNG图片转换为高质量、可编辑的SVG矢量图。其主要优点包括快速高效、高质量转换、免费使用以及无需注册。AI Vector定位于为用户提供简单、快速且高质量的PNG到SVG转换服务。
RenderNet AI
RenderNet是一款强大的AI图像生成器，可以创建具有一致性的角色，并完全控制其姿势、构图和风格。适用于游戏素材、头像生成、时尚设计和产品摄影等场景。
Microsoft Copilot for Mac
Microsoft Copilot是一款由微软开发的AI助手应用，基于OpenAI和微软的AI技术，旨在为用户提供高效、便捷的智能助手服务。它能够帮助用户快速获取信息、生成文本和图像，提升工作效率和创造力。该应用支持多种语言，界面简洁易用，适合不同用户群体。它不仅适用于个人生活，还能在商业和教育场景中发挥重要作用，是一款免费的生产力工具。
Ecomdesignlab.ai
Ecom Design Lab是一款AI试穿应用，可将产品转化为模特照片，节省摄影成本。其主要优点在于快速生成高质量模特试穿照片，提高产品展示效果，无需实际拍摄。价格分为Pro和Ultimate两种方案，适合不同规模的商家。
InfiniteYou
InfiniteYou（InfU）是一个基于扩散变换器的强大框架，旨在实现灵活的图像重构，并保持用户身份。它通过引入身份特征并采用多阶段训练策略，显著提升了图像生成的质量和美学，同时改善了文本与图像的对齐。该技术对提高图像生成的相似性和美观性具有重要意义，适用于各种图像生成任务。
朱雀大模型AI生成图像检测
朱雀大模型检测是腾讯推出的一款AI检测工具，主要功能是检测图片是否由AI模型生成。它经过大量自然图片和生成图片的训练，涵盖摄影、艺术、绘画等内容，可检测多类主流文生图模型生成图片。该产品具有高精度检测、快速响应等优点，对于维护内容真实性、打击虚假信息传播具有重要意义。目前暂未明确其具体价格，但从功能来看，主要面向需要进行内容审核、鉴别真伪的机构和个人，如媒体、艺术机构等。
Qwen2.5-VL
Qwen2.5-VL 是 Qwen 团队推出的最新旗舰视觉语言模型，是视觉语言模型领域的重要进步。它不仅能够识别常见物体，还能分析图像中的文字、图表、图标等复杂内容，并支持对长视频的理解和事件定位。该模型在多个基准测试中表现出色，尤其在文档理解和视觉代理任务中具有显著优势，展现了强大的视觉理解和推理能力。其主要优点包括高效的多模态理解、强大的长视频处理能力以及灵活的工具调用能力，适用于多种应用场景。
Janus-Pro-1B
Janus-Pro-1B 是一个创新的多模态模型，专注于统一多模态理解和生成。它通过分离视觉编码路径，解决了传统方法在理解和生成任务中的冲突问题，同时保持了单个统一的 Transformer 架构。这种设计不仅提高了模型的灵活性，还使其在多模态任务中表现出色，甚至超越了特定任务的模型。该模型基于 DeepSeek-LLM-1.5b-base/DeepSeek-LLM-7b-base 构建，使用 SigLIP-L 作为视觉编码器，支持 384x384 的图像输入，并采用特定的图像生成 tokenizer。其开源性和灵活性使其成为下一代多模态模型的有力候选。
FluxAPI.ai
FluxAPI.ai是面向开发者的平台，提供对Black Forest Labs FLUX 1模型系列的API访问。支持高级的文本转图像和图像转图像生成。主要优点包括价格经济，其Kontext Pro定价仅$0.025，Kontext Max定价仅$0.05，相比其他平台成本更低；提供多种AI模型，能适应不同场景需求；具备灵活的生成模式和实时性能，带来流畅创作体验；还有24/7专家支持。该平台专为开发者、创作者和团队大规模使用而打造，采用基于积分的计费模式，按需购买积分，无订阅、无最低消费、无隐藏费用。
Flux Krea
Flux Krea AI是由FLUX.1的12B参数模型驱动的先进文本到图像生成工具，用于高质量美学摄影和创意图像生成。
AI Banana Image Generator
AI Banana 是一款先进的图像编辑平台，利用 Nano Banana AI 技术，通过自然语言处理实现 1-2 秒内的图像生成与编辑。该产品适合各种创意需求，包括电子商务、市场营销和设计等领域。价格灵活，提供按需购买和订阅服务，满足不同用户的需求。
Openjourney
Openjourney 是一个高保真的开源项目，旨在模拟 MidJourney 的界面，利用 Google 的 Gemini SDK 进行 AI 图像和视频生成。该项目支持使用 Imagen 4 生成高质量图像，以及使用 Veo 2 和 Veo 3 进行文本到视频和图像到视频的转换。它适合需要进行图像生成和视频制作的开发者和创作者，提供了用户友好的界面和实时生成体验，能够助力创意工作与项目开发。
TRELLIS 3D AI
TRELLIS 3D AI是一款利用人工智能技术将图片转换成3D资产的专业工具。它通过结合先进的神经网络和结构化潜在技术（Structured LATents, SLAT），能够保持输入图片的结构完整性和视觉细节，生成高质量的3D资产。产品背景信息显示，TRELLIS 3D AI被全球专业人士信赖，用于可靠的图像到3D资产的转换。与传统的3D建模工具不同，TRELLIS 3D AI提供了一个无需复杂操作的图像到3D资产的转换过程。产品价格为免费，适合需要快速、高效生成3D资产的用户。
Pokecut Studio
Pokecut是一个AI智能图片编辑器，由广州光锥元信息科技有限公司开发。它利用先进的人工智能技术，为用户提供免费的图像处理功能，如背景移除、背景更改和画质增强等。这些功能对于提升图像的视觉效果和满足不同场景下的图像编辑需求至关重要。Pokecut的主要优点是操作简单、处理速度快、效果好，且完全免费。它适用于电商、社交媒体、艺术设计等多个领域，帮助用户轻松实现创意构想，提升工作效率和作品质量。
HiDream-I1
HiDream-I1 是一款新型的开源图像生成基础模型，拥有 170 亿个参数，能够在几秒内生成高质量图像。该模型适用于研究和开发，并在多个评测中表现优异，具有高效性和灵活性，适合用于各种创意设计和生成任务。
googleocr-app
该产品利用Google Gemini 2.0技术，实现高精度的文字识别，支持多国语言和手写字体识别。其主要优点包括高精度识别、多语言支持、优雅的渐变动画效果以及响应式设计。产品适用于需要进行文字识别的各类用户，如学生、研究人员、办公人员等。目前该产品是免费的，旨在为用户提供高效的文字识别解决方案。
Megrez-3B-Omni
Megrez-3B-Omni是由无问芯穹研发的端侧全模态理解模型，基于大语言模型Megrez-3B-Instruct扩展，具备图片、文本、音频三种模态数据的理解分析能力。该模型在图像理解、语言理解、语音理解方面均取得最优精度，支持中英文语音输入及多轮对话，支持对输入图片的语音提问，根据语音指令直接响应文本，在多项基准任务上取得了领先的结果。
Image Maker Ai
Image Maker Ai 是一个基于人工智能的图像生成平台，利用先进的变换器模型和BlackForestLabs的最新AI研究，提供从高端专业项目到快速个人使用的多种需求。该技术拥有12亿参数和多个模型变体，包括FLUX.1 [Pro]、[Dev]和[Schnell]，优化了提示遵循、细节和输出多样性。Image Maker Ai 允许用户输入文本提示，选择风格，并由AI生成高分辨率、细节丰富、逼真的图像，适合各种应用，从个人项目到专业用途。所有由Flux生成的图像都是免版税的，可以用于个人或商业目的，无需担心版权问题。
Procyon AI Image Generation Benchmark
Procyon AI Image Generation Benchmark 是一款由 UL Solutions 开发的基准测试工具，旨在为专业用户提供一个一致、准确且易于理解的工作负载，用以测量设备上 AI 加速器的推理性能。该基准测试与多个关键行业成员合作开发，确保在所有支持的硬件上产生公平且可比较的结果。它包括三个测试，可测量从低功耗 NPU 到高端独立显卡的性能。用户可以通过 Procyon 应用程序或命令行进行配置和运行，支持 NVIDIA® TensorRT™、Intel® OpenVINO™ 和 ONNX with DirectML 等多种推理引擎。产品主要面向工程团队，适用于评估推理引擎实现和专用硬件的通用 AI 性能。价格方面，提供免费试用，正式版为年度场地许可，需付费获取报价。
AnyParser Pro
AnyParser Pro 是由 CambioML 开发的一款创新的文档解析工具，它利用大型语言模型（LLM）技术，能够快速准确地从 PDF、PPT 和图像文件中提取出完整的文本内容。该技术的主要优点在于其高效的处理速度和高精度的解析能力，能够显著提高文档处理的效率。AnyParser Pro 的背景信息显示，它是由 Y Combinator 孵化的初创公司 CambioML 推出的，旨在为用户提供一种简单易用且功能强大的文档解析解决方案。目前，该产品提供免费试用，用户可以通过获取 API 密钥来访问其功能。
stable-diffusion-webui-simple-manga-maker
该产品是一个用于Stable Diffusion的扩展，允许用户在WebUI中创建简单的漫画。它支持多种语言，提供直观的界面和丰富的功能，适合漫画创作者和设计师使用。该工具的主要优点包括易于使用的拖放界面、丰富的面板布局选择和图像处理功能，适合各种水平的用户。该产品是免费的，定位于为漫画创作者提供高效的工具。
insMind Image to Video Converter
该产品是insMind推出的一款免费在线AI图像转视频工具。其重要性在于为用户提供了便捷的图片转视频解决方案，无需任何编辑经验。主要优点包括操作简单，用户只需上传图片、设置相关想法即可快速生成高质量的4K MP4视频；无需专业技能，降低了视频制作门槛；支持多种平台，方便用户使用。产品背景是为满足用户对于图片转视频的需求，提供一站式的视频制作服务。价格方面，该工具完全免费，适合广大有图片转视频需求的用户。
FlyAgt.ai
FlyAgt是一个AI图像和视频生成平台，提供先进的AI工具，从创建到编辑再到增强图像。它的主要优点在于价格实惠，提供多种专业工具，并保护用户隐私。
Nano
Nano Banana AI是一款高级自然语言图像编辑器，通过文本提示可实现比传统编辑方式快10倍的速度。其主要优点包括快速生成图像、字符一致性强，背景信息丰富，免费无限访问。
DreamVid
iMyFone DreamVid是一款强大的AI图像转视频工具，通过上传照片，AI可以将静态图像转化为生动的视频，包括拥抱、亲吻、面部交换等特效。该工具背景信息丰富，价格适中，定位于个人用户和小型企业。
imgenhancer
ImgEnhancer.ai 是一款使用先进的 AI 技术的图像增强平台，可实现超高分辨率图像放大，提供专业级图像增强工具。该产品的主要优点包括高质量的图像增强效果、方便使用的界面和针对不同用户需求的多种价格定位。
UnificAlly
UnificAlly是一家AI API服务平台，提供创新的AI模型和API服务，价格优惠。用户可以访问平台并选择各种先进的AI模型，如GPT 4.1、Suno、Higgsfield等，用于视频生成、图像创作、音乐作曲等。UnificAlly致力于提供高性价比的AI服务，并以快速可靠的API响应、简单易集成的REST API和详尽的文档和示例著称。
GStory AI
GStory.ai是一款智能视频和照片编辑工具，提供AI编辑功能，包括照片增强、背景移除、自动生成字幕等，为用户提供高效便捷的编辑体验。定位于为TikTok和YouTube视频创作者、小型企业市场营销以及个人用户提供全方位的AI编辑工具。
Storytelling Chatbot
该产品利用 Gemini 2.0 语言模型和 Google Imagen 图像生成技术，结合语音识别和语音合成，为用户提供一个互动式的故事创作体验。用户可以通过语音输入选择故事走向，系统会实时生成故事内容和相关图像。该产品的主要优点是创新的交互方式和强大的内容生成能力，适合用于教育、娱乐和创意启发。目前该产品处于开源阶段，未明确具体定价，主要面向开发者和教育机构。
腾讯混元图像 2.0
腾讯混元图像 2.0 是腾讯最新发布的 AI 图像生成模型，显著提升了生成速度和画质。通过超高压缩倍率的编解码器和全新扩散架构，使得图像生成速度可达到毫秒级，避免了传统生成的等待时间。同时，模型通过强化学习算法与人类美学知识的结合，提升了图像的真实感和细节表现，适合设计师、创作者等专业用户使用。
雪地字生成器
用Snow Writing在冬季的雪地上书写个性化的信息，创造出独特的冬季场景照片，给节日祝福和旅行纪念增添创意和趣味。
Google CameraTrapAI
Google CameraTrapAI 是一个用于野生动物图像分类的 AI 模型集合。它通过运动触发的野生动物相机（相机陷阱）拍摄的图像来识别动物物种。该技术对于野生动物监测和保护工作具有重要意义，能够帮助研究人员和保护工作者更高效地处理大量的图像数据，节省时间并提高工作效率。该模型基于深度学习技术开发，具有高准确性和强大的分类能力。
Clear Background
Clear Background 是一款基于先进 AI 技术的在线图片背景去除工具。它通过优化的 AI 处理引擎，能够在短时间内精准地去除图片背景，并保留图像的细节和边缘。该技术对于电商、摄影、设计等行业尤其重要，因为它能够显著减少手动编辑图片的时间和精力，同时提供高质量的结果。产品目前提供免费试用，主要面向需要快速处理大量图片的用户，如电商企业、摄影师和设计师。
Pixtral-Large-Instruct-2411
Pixtral-Large-Instruct-2411是由Mistral AI研发的124B参数的大型多模态模型，基于Mistral Large 2构建，展现出前沿级别的图像理解能力。该模型不仅能够理解文档、图表和自然图像，同时保持了Mistral Large 2在文本理解方面的领先地位。它在MathVista、DocVQA、VQAv2等数据集上达到了最先进的性能，是科研和商业应用的强大工具。
SigLIP2
SigLIP2 是谷歌开发的多语言视觉语言编码器，具有改进的语义理解、定位和密集特征。它支持零样本图像分类，能够通过文本描述直接对图像进行分类，无需额外训练。该模型在多语言场景下表现出色，适用于多种视觉语言任务。其主要优点包括高效的语言图像对齐能力、支持多种分辨率和动态分辨率调整，以及强大的跨语言泛化能力。SigLIP2 的推出为多语言视觉任务提供了新的解决方案，尤其适合需要快速部署和多语言支持的场景。
OneDiffusion
OneDiffusion是一个多功能、大规模的扩散模型，它能够无缝支持双向图像合成和理解，覆盖多种任务。该模型预计将在12月初发布代码和检查点。OneDiffusion的重要性在于其能够处理图像合成和理解任务，这在人工智能领域是一个重要的进步，尤其是在图像生成和识别方面。产品背景信息显示，这是一个由多位研究人员共同开发的项目，其研究成果已在arXiv上发表。
Chat-GPT Pictures
ChatGPT图像生成器是一个创意AI工具，通过语言模型和计算机视觉生成上下文相关和视觉吸引力的内容。它集成了DALL-E 3，可以生成独特的图像，支持创意设计和艺术项目。
SDXL_EcomID_ComfyUI
SDXL_EcomID_ComfyUI是一个为ComfyUI提供原生SDXL-EcomID支持的插件。它通过增强肖像表示，提供更真实、审美上更令人愉悦的外观，同时确保语义一致性和更大的内部ID相似性。这个插件完全集成于ComfyUI，并且不使用diffusers，而是本地实现EcomID。它的重要性在于能够提升图像生成的质量和一致性，特别是在处理人物肖像时，能够保持不同年龄、发型、眼镜等物理变化下的内部特征一致性。
MangaNinja
MangaNinja 是一种参考引导的线稿上色方法，它通过独特的设计确保精确的人物细节转录，包括用于促进参考彩色图像和目标线稿之间对应学习的块洗牌模块，以及用于实现细粒度颜色匹配的点驱动控制方案。该模型在自收集的基准测试中表现出色，超越了当前解决方案的精确上色能力。此外，其交互式点控制在处理复杂情况（如极端姿势和阴影）、跨角色上色、多参考协调等方面展现出巨大潜力，这些是现有算法难以实现的。MangaNinja 由来自香港大学、香港科技大学、通义实验室和蚂蚁集团的研究人员共同开发，相关论文已发表在 arXiv 上，代码也已开源。
VideoLLaMA3
VideoLLaMA3是由DAMO-NLP-SG团队开发的前沿多模态基础模型，专注于图像和视频理解。该模型基于Qwen2.5架构，结合了先进的视觉编码器（如SigLip）和强大的语言生成能力，能够处理复杂的视觉和语言任务。其主要优点包括高效的时空建模能力、强大的多模态融合能力以及对大规模数据的优化训练。该模型适用于需要深度视频理解的应用场景，如视频内容分析、视觉问答等，具有广泛的研究和商业应用潜力。
PhotoEcom
PhotoEcom是一款基于人工智能技术的产品摄影生成工具，能够为用户提供高质量、多样化的产品照片，帮助他们提升产品的吸引力和销售量。
nano banana google
nano banana google利用Gemini闪光图像和nana banana ai技术，提供革命性的AI图像处理服务。核心优势包括智能图像生成、一键风格转换、智能图像优化等。
WonderShare ToMoviee AI
ToMoviee AI是一款利用人工智能技术快速生成视频、图像、音乐和声音的创意工作室。其主要优点包括高度可控制性、快速生成、真实感强，广泛适用于不同领域的创作者和团队。
RightHair
RightHair是一款基于AI技术的发型变化器，用户可以通过上传照片，在线尝试不同发型、颜色和发型剪裁，无需实际剪发。其主要优点包括快速准确的发型变化、隐私保护、方便多平台使用等。RightHair定位为帮助用户在改变发型前做出明智选择的虚拟发型试验工具。
Diffusion Land
Diffusion Land允许您使用各种AI模型生成图像。他们还提供了几个预先构建的概念，可用于生成某些类型的图像。
PixNova AI
PixNova AI是一款功能强大的AI图片生成和设计工具，利用人工智能技术轻松生成惊人的照片、编辑图像以及交换人脸。其主要优点包括多种AI功能、免费使用、持续更新、用户友好界面以及100%隐私安全。
Thera
Thera 是一种先进的超分辨率技术，能够在不同尺度下生成高质量图像。其主要优点在于内置物理观察模型，有效避免了混叠现象。该技术由 ETH Zurich 的研究团队开发，适用于图像增强和计算机视觉领域，尤其在遥感和摄影测量中具有广泛应用。
ComfyUI-GIMM-VFI
ComfyUI-GIMM-VFI是一个基于GIMM-VFI算法的帧插值工具，使用户能够在图像和视频处理中实现高质量的帧插值效果。该技术通过在连续帧之间插入新的帧来提高视频的帧率，从而使得动作看起来更加流畅。这对于视频游戏、电影后期制作和其他需要高帧率视频的应用场景尤为重要。产品背景信息显示，它是基于Python开发的，并且依赖于CuPy库，特别适用于需要进行高性能计算的场景。
Aya Vision 32B
Aya Vision 32B 是由 Cohere For AI 开发的先进视觉语言模型，拥有 320 亿参数，支持 23 种语言，包括英语、中文、阿拉伯语等。该模型结合了最新的多语言语言模型 Aya Expanse 32B 和 SigLIP2 视觉编码器，通过多模态适配器实现视觉与语言理解的结合。它在视觉语言领域表现出色，能够处理复杂的图像与文本任务，如 OCR、图像描述、视觉推理等。该模型的发布旨在推动多模态研究的普及，其开源权重为全球研究人员提供了强大的工具。该模型遵循 CC-BY-NC 许可证，并需遵守 Cohere For AI 的合理使用政策。
FLUX Pro Finetuning API
FLUX Pro Finetuning API 是由 Black Forest Labs 推出的生成式文本到图像模型的定制化工具。它允许用户通过少量示例图像（1-5张）对 FLUX Pro 模型进行微调，从而生成符合特定品牌、风格或视觉需求的高质量图像内容。该技术的主要优点在于其高度的定制化能力、对品牌一致性的保持以及与 FLUX 工具套件的无缝集成。它适用于专业创意人员、设计师和品牌方，帮助他们在营销、品牌建设和故事叙述中实现个性化内容创作。目前尚无明确价格信息，但其定位为高端创意工具，适合对生成内容质量有较高要求的用户。
Random Animal
Random Animal Generator是一个利用先进人工智能技术的网站，用户可以在短时间内生成高质量、独特的动物图像。这项技术的重要性在于它能够快速满足用户对动物图像的需求，无论是用于娱乐、教育还是设计灵感。产品背景信息显示，该网站由专业的机器学习算法支持，能够提供即时的结果和多样化的动物种类及风格选择。价格方面，网站提供了不同层次的服务选项，以满足不同用户的需求。
VisualCloze
VisualCloze 是一个通过视觉上下文学习的通用图像生成框架，旨在解决传统任务特定模型在多样化需求下的低效率问题。该框架不仅支持多种内部任务，还能泛化到未见过的任务，通过可视化示例帮助模型理解任务。这种方法利用了先进的图像填充模型的强生成先验，为图像生成提供了强有力的支持。
EzPrompt AI
EzPrompt AI是一个专业的图像到提示生成工具，它利用先进的AI技术，能够将任何图像瞬间转换成完美的创作提示。这个工具对于需要快速生成艺术作品提示的设计师、艺术家和内容创作者来说非常重要。它不仅提高了创作效率，还通过深度场景理解和风格元素识别，保证了生成提示的专业质量。EzPrompt AI支持多种语言和风格，并且可以针对不同的AI模型如Midjourney、Stable Diffusion和Flux进行优化，确保在各个平台上都能获得最佳效果。此外，它还提供了智能的历史管理功能，可以自动保存用户的创作历程，方便随时查看和管理历史提示。EzPrompt AI的价格策略简单透明，提供了免费试用和多种付费计划，以满足不同用户的需求。
ColorArt
ColorArt.AI是一款免费的AI着色页生成器，可将照片、图片和图像转换为详细的可打印着色页，为所有年龄段用户提供乐趣和创意空间。产品背景信息包括创始团队和其使命，价格设置灵活，适用于家庭娱乐和商业需求。
Flux Kontext AI
Flux Kontext AI是一款AI图像编辑平台，采用先进的FLUX.1模型，可通过自然语言提示编辑背景、风格、对象等。商业许可证已包含在内，适用于专业AI图像编辑。
Unwatermark AI
Unwatermark AI是一款先进的基于AI技术的去水印工具，可快速去除图像和视频中的水印。其主要优点包括自动检测和定位水印、高质量保证、快速速度、支持多终端使用等。产品定位于提供免费的去水印服务。
Image FX
ImageFX是由Google强大的AI技术驱动的先进AI图像生成器，将简单的文本提示转化为令人惊叹的图像。其主要优点包括生成高品质、详细的图像、快速操作、精准控制、Google AI支持、广泛应用、用户友好界面。价格分为免费、基础和高级三个选项，适用于艺术家、设计师、营销人员等。
Depositphotos AI image generator
Depositphotos AI图像生成器是一款强大的工具，通过文本即可生成高质量图像，用户只需描述想要的图片，系统即可自动生成。具有商业许可，适合设计师、营销人员等多领域使用。
leapfusion-hunyuan-image2video
leapfusion-hunyuan-image2video 是一种基于 Hunyuan 模型的图像到视频生成技术。它通过先进的深度学习算法，将静态图像转换为动态视频，为内容创作者提供了一种全新的创作方式。该技术的主要优点包括高效的内容生成、灵活的定制化能力以及对高质量视频输出的支持。它适用于需要快速生成视频内容的场景，如广告制作、视频特效等领域。该模型目前以开源形式发布，供开发者和研究人员免费使用，未来有望通过社区贡献进一步提升其性能。
Xno.ai
探索19个顶尖的文本到图像AI，使用39个GPU。
//WPimagines
WPimagines AI Image Generator是一款强大的AI图像生成工具，通过输入文字描述，即可快速生成高质量的图像，满足各种专业需求。
1.58-bit FLUX
1.58-bit FLUX是一种先进的文本到图像生成模型，通过使用1.58位权重（即{-1, 0, +1}中的值）来量化FLUX.1-dev模型，同时保持生成1024x1024图像的可比性能。该方法无需访问图像数据，完全依赖于FLUX.1-dev模型的自监督。此外，开发了一种定制的内核，优化了1.58位操作，实现了模型存储减少7.7倍，推理内存减少5.1倍，并改善了推理延迟。在GenEval和T2I Compbench基准测试中的广泛评估表明，1.58-bit FLUX在保持生成质量的同时显著提高了计算效率。
HiPixel
HiPixel 是一款原生 macOS 应用程序，专为图像超分辨率处理而设计。它利用 Upscayl 的 AI 模型，提供高质量图像放大功能，且通过 GPU 加速实现快速处理，适合需要图像处理的设计师和摄影师。该产品在 macOS 平台上运行流畅，支持多种图像格式，并提供便捷的文件夹监控功能。HiPixel 的定位为高效的图像处理工具，旨在提高用户的工作效率。
Artchan
Artchan是一款最佳的免费AI图像生成器，可以根据用户提供的文本生成各种类型的图像，满足用户的不同需求和喜好。
Janus Pro
Janus Pro 是由 DeepSeek 技术驱动的先进 AI 图像生成与理解平台。它采用革命性的统一变换器架构，能够高效处理复杂的多模态操作，实现图像生成和理解的卓越性能。该平台训练了超过 9000 万个样本，其中包括 7200 万个合成美学数据点，确保生成的图像在视觉上具有吸引力且上下文准确。Janus Pro 为开发者和研究人员提供强大的视觉 AI 能力，帮助他们实现从创意到视觉叙事的转变。平台提供免费试用，适合需要高质量图像生成和分析的用户。
Headpix.ai
Headpix是一款专业的AI头像生成器，可以将普通照片转化为高质量的个性化头像。快速生成多达100张头像供选择，适用于职业社交、模特招募和远程团队等场景。
PNGFree.ai
PNGFree.ai是一个提供数百万免费PNG图片的网站，同时提供高质量的免费PNG转换器和AI PNG工具。该网站为设计师、创意工作者和普通用户提供了一个丰富的资源库，帮助他们快速找到所需的透明背景图片，支持创意和设计工作。PNGFree.ai以其免费、高质量和便捷的服务在图像领域占有一席之地，用户无需担心版权问题，可以安心使用这些图片。
AIEnhancer
AI图像增强器利用人工智能技术，快速提升图像质量，修复色彩，锐化细节，消除噪点，将低分辨率图像升级至令人惊叹的4K质量。这项技术的优点在于快速、自动化，使图像修复变得简单高效。
YouArt
Youart是一体化AI创意工作室，提供强大的AI图像和视频生成器，通过文本提示将您的想法转化为令人惊叹的视觉作品。
AI Ease Video Watermark Remover
AI Ease 视频水印移除工具采用AI技术，能够精准快速地擦除视频中的水印、标志和文字，为用户提供清晰高清的视频输出。产品定位于为用户提供便捷、高效的视频水印去除服务。
Kontext AI
Kontext AI的FLUX Kontext是一项具有上下文感知能力的技术，可用于图像生成和编辑。其主要优点包括快速、准确的生成和编辑图像，支持复杂的编辑工作流程，结合了传统文本到图像模型和流式生成建模。
SJinn
SJinn是一款具有突破性的专业AI智能代理，用于图像、视频、音频和3D内容创作。用户只需描述他们的创意，SJinn就能将复杂的视觉和听觉概念栩栩如生地展现出来。
Italian Brainrot Generator
意大利脑残生成器是一个基于AI技术的工具，可快速生成超现实的“意大利脑残”模因图片。其主要优点包括快速生成独特图像、预设智能提示、自定义元素输入等。该工具定位为用于创建超现实意大利脑残图片的创意工具。
高查理
点击一个按钮就可以创建图片、博客广告、网站标题。
ComfyUI_HelloMeme
HelloMeme是一个集成了空间编织注意力（Spatial Knitting Attentions）的扩散模型，用于嵌入高级别和细节丰富的条件。该模型支持图像和视频的生成，具有改善生成视频与驱动视频之间表情一致性、减少VRAM使用、优化算法等优点。HelloMeme由HelloVision团队开发，属于HelloGroup Inc.，是一个前沿的图像和视频生成技术，具有重要的商业和教育价值。
Picogen
将文字转化为逼真的图像，为您的内容营销和网站设计增添生动的视觉效果。
Ruyi-Models
Ruyi-Models是一个图像到视频的模型，能够生成高达768分辨率、每秒24帧的电影级视频，支持镜头控制和运动幅度控制。使用RTX 3090或RTX 4090显卡，可以无损生成512分辨率、120帧的视频。该模型以其高质量的视频生成能力和对细节的精确控制而受到关注，尤其在需要生成高质量视频内容的领域，如电影制作、游戏制作和虚拟现实体验中具有重要应用价值。
Qwen2vl-Flux
Qwen2vl-Flux是一个结合了Qwen2VL视觉语言理解能力的FLUX框架的先进多模态图像生成模型。该模型擅长基于文本提示和视觉参考生成高质量图像，提供卓越的多模态理解和控制。产品背景信息显示，Qwen2vl-Flux集成了Qwen2VL的视觉语言能力，增强了FLUX的图像生成精度和上下文感知能力。其主要优点包括增强的视觉语言理解、多种生成模式、结构控制、灵活的注意力机制和高分辨率输出。
Pet Booth
使用Pet Booth，您可以轻松获得令人惊叹的AI宠物肖像和照片，让您的宠物更加与众不同。
Polarr Next AI Color Match
Polarr Next AI Color Match 是一款基于人工智能技术的在线色彩匹配工具，能够快速从任何图片中提取色彩风格，并将其应用到用户自己的照片上。该技术利用先进的AI算法，精准识别和匹配色彩，为用户提供高效、便捷的图像编辑体验。它不仅简化了复杂的色彩调整过程，还让用户能够轻松复制和应用各种图像的色彩风格，无论是专业摄影师还是普通爱好者，都能通过这款工具提升图像的视觉效果。产品目前主要通过网站提供服务，用户可以免费试用其基本功能，而更高级的功能可能需要付费解锁。其定位是为用户提供一种简单易用且高效的色彩匹配解决方案，满足不同场景下的图像编辑需求。
Canva文本转图像
这是一种全新的技术，它能够根据您所描述的内容生成任何您需要的图像。
Florence-VL
Florence-VL是一个视觉语言模型，通过引入生成式视觉编码器和深度广度融合技术，增强了模型对视觉和语言信息的处理能力。该技术的重要性在于其能够提升机器对图像和文本的理解，进而在多模态任务中取得更好的效果。Florence-VL基于LLaVA项目进行开发，提供了预训练和微调的代码、模型检查点和演示。
Luma Photon
Luma Photon 是一个创新的图像生成模型，以其高度创造性、智能化和个性化而著称。它建立在一个新的突破性架构之上，能够提供超高画质的图像，并且成本效率提高了10倍。Luma Photon 在大规模双盲评估中超越了市场上的所有模型，无论是在质量、创造力还是理解力方面都表现出色，同时在效率上也有了革命性的提升。
Grok for iOS
Grok是由xAI开发的AI助手，旨在提供真实、有用且富有好奇心的交互体验。它能够回答各种问题、生成引人注目的图像，并通过上传图片帮助用户更深入地了解世界。Grok强调隐私保护，所有数据交互都以用户隐私为重，确保安全体验。它集成了X平台的数据，专注于实时信息，是寻求AI助手用户的理想选择。该应用免费提供给用户，适合需要高效获取信息和创意灵感的人群。
Gaze Demo
Gaze Demo是一个基于Hugging Face Spaces平台的项目，由用户moondream创建。它主要展示与注视点（Gaze）相关的技术，可能涉及到图像识别、用户交互等领域。该技术的重要性在于能够通过分析用户的注视点来增强用户体验，例如在人机交互、广告投放、虚拟现实等场景中有广泛应用。产品目前处于展示阶段，未明确具体价格和详细定位。
Dall-E Free Image Generator
DALL-E Free是一个强大的AI图像生成网站，通过输入文本提示，可以生成独特且高质量的图像，适用于设计项目、社交媒体和博客等多种应用场景。
Watermark Anything
Watermark Anything是一个由Facebook Research开发的图像水印技术，它允许在图片中嵌入一个或多个局部化水印信息。这项技术的重要性在于它能够在保证图像质量的同时，实现对图像内容的版权保护和追踪。该技术背景是基于深度学习和图像处理的研究，主要优点包括高鲁棒性、隐蔽性和灵活性。产品定位为研究和开发用途，目前是免费提供给学术界和开发者使用。
Kimi视觉思考模型k1
Kimi视觉思考模型k1是基于强化学习技术打造的AI模型，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。在数学、物理、化学等基础科学学科的基准能力测试中，k1模型的表现超过了全球标杆模型。k1模型的发布标志着AI在视觉理解和思考能力上的新突破，尤其在处理图像信息和基础科学问题上展现出色的表现。
PSHuman
PSHuman是一个创新的框架，它利用多视图扩散模型和显式重构技术，从单张图片中重建出逼真的3D人体模型。这项技术的重要性在于它能够处理复杂的自遮挡问题，并且在生成的面部细节上避免了几何失真。PSHuman通过跨尺度扩散模型联合建模全局全身形状和局部面部特征，实现了细节丰富且保持身份特征的新视角生成。此外，PSHuman还通过SMPL-X等参数化模型提供的身体先验，增强了不同人体姿态下的跨视图身体形状一致性。PSHuman的主要优点包括几何细节丰富、纹理保真度高以及泛化能力强。
Ruyi-Mini-7B
Ruyi-Mini-7B是由CreateAI团队开发的开源图像到视频生成模型，具有约71亿参数，能够从输入图像生成360p到720p分辨率的视频帧，最长5秒。模型支持不同宽高比，并增强了运动和相机控制功能，提供更大的灵活性和创造力。该模型在Apache 2.0许可下发布，意味着用户可以自由使用和修改。
StarVector
StarVector 是一个先进的生成模型，旨在将图像和文本指令转化为高质量的可缩放矢量图形（SVG）代码。其主要优点在于能够处理复杂的 SVG 元素，并在各种图形风格和复杂性上表现出色。作为开放源代码资源，StarVector 推动了图形设计的创新和效率，适用于设计、插图和技术文档等多种应用场景。
IMM
Inductive Moment Matching (IMM) 是一种先进的生成模型技术，主要用于高质量图像生成。该技术通过创新的归纳矩匹配方法，显著提高了生成图像的质量和多样性。其主要优点包括高效性、灵活性以及对复杂数据分布的强大建模能力。IMM 由 Luma AI 和斯坦福大学的研究团队开发，旨在推动生成模型领域的发展，为图像生成、数据增强和创意设计等应用提供强大的技术支持。该项目开源了代码和预训练模型，方便研究人员和开发者快速上手和应用。
PixalSaga
PixalSaga是一款免费的AI图像生成器，利用Stability.ai算法，让你通过文本提示创造出令人惊叹的视觉效果。无论是广告、游戏开发还是设计和艺术，PixalSaga都能满足你的需求，让你的创意得以实现。
Raphael
Raphael是一款强大的AI图像生成工具，其核心是先进的Flux.1-Dev模型。该产品完全免费，无需用户注册或登录，即可无限生成高质量的AI图像。它不仅为创作者提供了强大的图像生成能力，还通过零数据保留政策保护用户隐私。其定位是成为全球最大的免费AI图像生成器，适用于各种需要图像生成的场景，如艺术创作、营销设计、游戏开发等。
Colorixor
Colorixor是一个利用生成式AI技术，为图像中的对象提供即时重新上色服务的工具。它能够精确地识别图像中的对象，并允许用户自定义颜色，从而创造出全新的视觉效果。这项技术的重要性在于它极大地简化了图像编辑过程，使得设计师和创意工作者能够快速实验不同的颜色方案，提高工作效率。Colorixor以其精确的AI识别技术、灵活的颜色自定义选项和用户友好的操作界面在市场上脱颖而出，其定价策略也极具竞争力，用户可以通过购买AI代。币来满足不同的需求。
NanoBanana.ART
Nano Banana AI 是一款先进的 AI 图像编辑器，能够快速将您的照片转换为专业级效果。该产品支持多种图片格式，用户可以通过简单的步骤进行编辑，适合个人和商业用途。价格方面，提供免费和付费的订阅选项，以满足不同用户的需求。
AINanoBanana
AI Nano Banana是一款创新的AI图像生成和编辑平台，利用先进的人工智能技术从简单的文本描述中创建、编辑和转换图像。它采用最先进的机器学习技术，实现即时智能视觉内容创建。
Vidduo
AI视频生成器采用领先行业的图像到视频AI技术，智能选择最佳模型，生成1080p视频，支持多镜头拍摄，样式多样，运动流畅。主要优点包括快速生成高质量视频，支持复杂场景和镜头运动控制，适用于设计师、内容创作者等用户。
Inker AI
Inker.AI 是一个在线的 AI 纹身生成器，允许用户通过上传照片或输入文字来创建个性化的纹身设计。该平台无需设计技能，用户只需简单操作即可生成专业纹身。适合各类人群，特别是艺术爱好者和纹身爱好者。产品免费使用，易于上手，具有极高的灵活性和创造力。
TryScribe
TryScribe是一个提供AI动力工具的平台，旨在简化日常工作、自动化重复任务，并帮助用户专注于重要事项。产品背景信息、价格定位透明，支持用户快速上手。
Cashzine.AI
Cashzine AI是一款将AI技术应用于图像设计的创新产品。它利用先进的人工智能技术，可以快速、准确地去除图像背景、提升图像质量，为设计师、摄影师和内容创作者提供了简化工作流程、创建令人惊叹视觉效果的便捷工具。
TechGPT-东北大学
TechGPT是一种强大的自然语言处理工具，具有广泛的应用领域，包括计算机科学、材料、机械、冶金、金融和航空航天等。
Developersoft
DeveloperSoft是一个AI图像生成工具，提供高质量的图像生成服务，包括去除背景、生成贴纸、彩色页面和创建头像等功能。
RetextureAI
RetextureAI利用AI技术实现图像处理，能够快速为图片增添纹理，实现视觉上的瞬间变换。其主要优点在于提供先进的纹理生成功能，让用户轻松实现图片的艺术化处理。
TRELLIS 3D AI
TRELLIS 3D AI是一款利用人工智能技术将图片转换成3D资产的专业工具。它通过结合先进的神经网络和结构化潜在技术（Structured LATents, SLAT），能够保持输入图片的结构完整性和视觉细节，生成高质量的3D资产。产品背景信息显示，TRELLIS 3D AI被全球专业人士信赖，用于可靠的图像到3D资产的转换。与传统的3D建模工具不同，TRELLIS 3D AI提供了一个无需复杂操作的图像到3D资产的转换过程。产品价格为免费，适合需要快速、高效生成3D资产的用户。
PriceSnap
PriceSnap是一款利用图像搜索技术，帮助用户快速获取物品价值的工具。用户只需拍照，即可获得实时市场数据，做出明智的购买决策。该产品提供多种定价方案，适合不同需求的用户，起价为每月$8.99，提供14天退款保证。
稳定的扩散
众包的分布式集群稳定扩散的工人。还提供了一个客户端接口不需要安装和没有技术专长。
TokenVerse
TokenVerse 是一种创新的多概念个性化方法，它利用预训练的文本到图像扩散模型，能够从单张图像中解耦复杂的视觉元素和属性，并实现无缝的概念组合生成。这种方法突破了现有技术在概念类型或广度上的限制，支持多种概念，包括物体、配饰、材质、姿势和光照等。TokenVerse 的重要性在于其能够为图像生成领域带来更灵活、更个性化的解决方案，满足用户在不同场景下的多样化需求。目前，TokenVerse 的代码尚未公开，但其在个性化图像生成方面的潜力已经引起了广泛关注。
AI 红包封面生成器
AI红包封面生成器是一个利用AI技术生成高清精美微信红包封面图片的在线工具，让你的红包更加独特和有趣。
Frames
Frames是Runway Research推出的最新图像生成基础模型，它在风格控制和视觉保真度方面迈出了一大步。该模型擅长保持风格一致性，同时允许广泛的创意探索，能够为项目建立特定的外观，并可靠地生成忠实于您美学的变化。Frames的推出标志着在创意工作流程中，用户可以构建更多属于自己的世界，实现更大、更无缝的创意流程。
Roll Art Die
在您的Apple Silicon设备上使用StableDiffusion。仅使用文本生成AI艺术品。将您的梦想艺术品变成现实。无需云订阅。
ThumbnailMaker
ThumbnailMaker是一款强大的AI缩略图制作工具，帮助用户制作出令人惊艳的YouTube缩略图，提高视频的点击率，推动YouTube频道的增长。
Historical Document Repair
HDR是一个专注于修复受损历史文档的新技术，旨在预测受损历史文档的原始外观。这项技术通过创建大规模数据集HDR28K和基于扩散的网络DiffHDR，能够处理包括字符缺失、纸张损坏和墨水侵蚀等多种损害。HDR的主要优点在于其能够精确捕捉字符内容和风格，并与修复区域内的背景协调一致。该技术不仅能够修复受损文档，还能扩展到文档编辑和文本块生成，展现出高灵活性和泛化能力。HDR对于传承无价文化和文明具有重要意义。
Chat-gpt.photos
ChatGPT Image Generator是一款强大的AI工具，帮助您创作出色的图片，提升照片质量，制作定制图形。无论您是艺术家、设计师还是企业，都能从中获得惊人的效果。
Claude Vision Object Detection
Claude Vision Object Detection是一个基于Python的工具，它利用Claude 3.5 Sonnet Vision API来检测图像中的物体并进行可视化。该工具能够自动在检测到的物体周围绘制边界框，对它们进行标记，并显示置信度分数。它支持处理单张图片或整个目录中的图片，并且具有高精度的置信度分数，为每个检测到的物体使用鲜艳且不同的颜色。此外，它还能保存带有检测结果的注释图片。
StructLDM
StructLDM是一个结构化潜在扩散模型，用于从2D图像学习3D人体生成。它能够生成多样化的视角一致的人体，并支持不同级别的可控生成和编辑，如组合生成和局部服装编辑等。该模型在无需服装类型或掩码条件的情况下，实现了服装无关的生成和编辑。项目由南洋理工大学S-Lab的Tao Hu、Fangzhou Hong和Ziwei Liu提出，相关论文发表于ECCV 2024。
NanoBananaAPI.ai
Nano Banana API 提供 AI 图像生成与编辑接口，支持自然语言编辑、角色一致性保障、多图合成等功能。其主要优点在于高效稳定的性能、逼真写实效果和多图合成创意构图。
FantasyPortrait
FantasyPortrait 是一种高保真、多情感的肖像动画生成框架，使用表达增强学习策略来捕捉细腻的面部动态，适合单角色和多角色场景。该技术的优势在于其独特的掩蔽交叉注意机制，有效防止了特征干扰，提升了动画的质量与表现力。该产品背景源于对现有面部动画方法的不足的反思，尤其是在处理多角色互动时的挑战。未来将以开源形式提供代码与模型，鼓励研究与开发。
AI Animate Image
AI Animate Image利用先进的AI技术，将静态图片转化为生动的动画，提供专业级动画质量和流畅的动态效果。
fluxcontext.app
Flux Context是一个专业的在线图像增强平台，采用先进的FLUX KONTEXT AI技术。其主要优点包括多种增强功能、基于FLUX KONTEXT技术的像素完美转换、价格实惠等。
AI Fiesta
AI Fiesta提供了多个顶级AI模型，让用户可以比较模型回答，并选择最适合每项任务的AI。该产品的主要优点在于聚合了多个顶尖AI模型，提供便捷的比较功能，价格合理且功能强大。
Enterpix
AI生成图像搜索引擎。
PolaToons
PolaToons是一款AI 3D宝丽来卡通生成器，通过独特的算法和效果，将照片转化为具有复古风格的3D卡通图像，带来令人惊艳的效果。其主要优点包括独特的卡通风格、经典的宝丽来相框、即时生成等特点。价格灵活，适用于个人用户和商业用途。
Prodia AI Art
Prodia是一个稳定易用的AI图像生成API，可轻松将生成式AI集成到您的应用程序中。与AWS相比，Prodia的成本降低了90%。
EasyControl
EasyControl 是一个为 Diffusion Transformer（扩散变换器）提供高效灵活控制的框架，旨在解决当前 DiT 生态系统中存在的效率瓶颈和模型适应性不足等问题。其主要优点包括：支持多种条件组合、提高生成灵活性和推理效率。该产品是基于最新研究成果开发的，适合在图像生成、风格转换等领域使用。
Genime AI
Genime AI 是一个面向动画创作者的工具平台，通过先进的 AI 技术，为用户提供图像到 3D 模型转换、补间动画生成等功能。其主要优点是能够帮助用户快速生成高质量的动画内容，降低动画制作门槛，提高创作效率。该产品适合动画设计师、视频创作者以及相关领域的专业人士，尤其适合那些希望借助 AI 技术提升创作能力的用户。目前产品处于发展阶段，具体价格和定位尚未明确。
SD3.5-Large-IP-Adapter
SD3.5-Large-IP-Adapter是一个基于Stable Diffusion 3.5 Large模型的IP适配器，由InstantX Team研发。该模型能够将图像处理工作类比于文本处理，具有强大的图像生成能力，并且可以通过适配器技术进一步提升图像生成的质量和效果。该技术的重要性在于其能够推动图像生成技术的发展，特别是在创意工作和艺术创作领域。产品背景信息显示，该模型是由Hugging Face和fal.ai赞助的项目，并且遵循stabilityai-ai-community的许可协议。
AILOGO生成器
AILOGO生成器，是一款强大的AI智能LOGO设计工具。无论您是创业者还是企业主，我们都能为您提供个性化、专业级的LOGO设计解决方案。
Leffa
Leffa是一个用于可控人物图像生成的统一框架，它能够精确控制人物的外观（例如虚拟试穿）和姿态（例如姿态转移）。该模型通过在训练期间引导目标查询关注参考图像中的相应区域，减少细节扭曲，同时保持高图像质量。Leffa的主要优点包括模型无关性，可以用于提升其他扩散模型的性能。
ChatDesigner
ChatDesigner是一个AI设计代理，可以通过与其聊天来生成和编辑任何图像。它提供了30多种AI图像生成和编辑工具，可以帮助你创建和编辑照片、生成相似的图像、AI肖像、产品照片、更改背景等。
Photo AI Studio
通过Photo AI Studio，只需一张自拍照片，即可获得专业级照片，适用于各种场景，价格实惠。
InternVL3
InternVL3是由OpenGVLab开源发布的多模态大型语言模型（MLLM），具备卓越的多模态感知和推理能力。该模型系列包含从1B到78B共7个尺寸，能够同时处理文字、图片、视频等多种信息，展现出卓越的整体性能。InternVL3在工业图像分析、3D视觉感知等领域表现出色，其整体文本性能甚至优于Qwen2.5系列。该模型的开源为多模态应用开发提供了强大的支持，有助于推动多模态技术在更多领域的应用。
NanoBananaX
Nano Banana是一款由Google最新Nano Banana模型驱动的人工智能图像生成与编辑平台。其重要性在于为用户提供了便捷、高效且功能强大的图像创作与编辑方式。主要优点包括闪电般的图像生成和预览速度，能实现即时迭代；高保真度，保证图像细节清晰、风格一致且符合提示要求；用户可用自然语言精确控制图像创作和编辑过程。该平台有多种价格套餐，包括按月或按年付费，提供不同的信用额度和功能，可满足从初学者到专业企业的不同需求。定位为满足各类用户对图像生成和编辑的需求，无论是个人创作者还是商业企业都适用。
InfiniteTalk AI
InfiniteTalk AI是一种先进的音频驱动视频生成模型，能够实现唇部同步和全身动画，超越传统配音。其主要优点包括稀疏帧控制、长序列图像到视频转换以及保留身份和镜头运动等功能。
imagelux
ImageLux是一个强大的在线创意平台，利用AI模型创建高质量独特图像。它是您的终极创意工具，能够将您的想法转化为现实。
ImgSearch
ImgSearch是一款提供免费高质量AI生成图片的网站，通过AI技术生成图片，为用户提供方便快捷的库存图片搜索服务。
nano banana ai free
Nano Banana AI是一款强大的人工智能图像生成器，利用先进的AI技术轻松生成高质量图像。它为用户提供定制化的个性化图像生成服务，可用于各种创意项目和需求。
Fixiol
Fixiol是一款集先进AI技术、图像分析、估算维修成本和报告生成于一体的屋顶检测工具。它通过A.R.I-1 AI模型实现屋顶损坏检测，帮助用户快速准确地处理屋顶维修问题。
Depositphotos AI image generator
Depositphotos AI图像生成器是一款强大的工具，通过文本即可生成高质量图像，用户只需描述想要的图片，系统即可自动生成。具有商业许可，适合设计师、营销人员等多领域使用。
Stock AI
每次都能获得完美的图片。无论您需要什么样的图片，我们都可以帮您找到，并立即为您创建它。
Cnify
Cnify是一款可将任何图像转换为阴影UI主题的工具，用户只需点击一次即可轻松实现。其主要优点在于快速、简便地为用户定制符合心情和风格的UI主题，背景信息包括简洁易懂的定价策略和简单易用的界面设计。
Pawfect Snapshots
Pawfect Snapshots是一款使用先进的AI技术为您的宠物创造个性化摄影和肖像的在线平台。通过上传您的照片，选择艺术风格、场景和时间，我们的AI模型将生成独特的宠物肖像，让您的宠物的个性和魅力永远展现在一幅艺术杰作中。
TryOffDiff
TryOffDiff是一种基于扩散模型的高保真服装重建技术，用于从穿着个体的单张照片中生成标准化的服装图像。这项技术与传统的虚拟试穿不同，它旨在提取规范的服装图像，这在捕捉服装形状、纹理和复杂图案方面提出了独特的挑战。TryOffDiff通过使用Stable Diffusion和基于SigLIP的视觉条件来确保高保真度和细节保留。该技术在VITON-HD数据集上的实验表明，其方法优于基于姿态转移和虚拟试穿的基线方法，并且需要较少的预处理和后处理步骤。TryOffDiff不仅能够提升电子商务产品图像的质量，还能推进生成模型的评估，并激发未来在高保真重建方面的工作。
TechhorizonCity Content & Image Generator
Content Generator With Images是一款强大的人工智能工具，可以帮助用户快速生成带有图片的高质量内容，满足各种写作和设计需求。
蒸汽波风格滤镜
蒸汽波是一款虚拟信号风格化影像后期工具，通过抽象虚拟信号影像展现过程中的各种可能性，实现了九十年代影像风格的重现。
Unblur Image
Unblur Image是一个利用先进AI技术，将模糊图片快速转化为清晰照片的专业工具。它通过专业级的图像增强算法，为用户提供无需技术背景即可操作的便捷服务。该产品背景信息显示，它能够在短时间内提升图片质量，满足用户对图像清晰度的需求。价格方面，用户可以访问定价页面了解详细信息。
Photoshop on iPhone
Photoshop on iPhone 是 Adobe 为移动创作者打造的全新图像编辑应用。它继承了 Photoshop 的强大功能，并针对手机操作进行了优化。该应用旨在为用户提供随时随地的创作自由，同时保留了专业级的编辑精度和图像质量。它不仅适合初学者，也为资深设计师提供了便捷的移动创作工具。产品免费提供基础功能，同时推出付费的 Photoshop Mobile & Web 计划，进一步扩展功能和跨平台同步能力。
Google Gemini App
Google Gemini是一款由Google开发的AI助手应用，旨在通过人工智能技术帮助用户提高创造力和生产力。它允许用户通过语音与应用交互，进行头脑风暴、简化复杂话题、为重要时刻排练等。Gemini能够连接用户喜爱的Google应用，如搜索、YouTube、Google Map、Gmail等，提供交互式视觉和现实世界示例，解锁专业知识，获取关于任何主题的定制信息。此外，它还能帮助用户更快速、更好地规划旅行，创建AI生成的图像，并提供摘要、深入研究和源链接。
RocketAI
设计的未来是可编程的。Rocket AI是一个SaaS平台，使用AI创建和编辑产品图像，并使用AI提高电子商务销售和广告表现。我们为电子商务企业提供AI解决方案，以改善其产品图像，并从简单的文本提示中生成新的想法和设计概念。
CAP4D
CAP4D是一种利用可变形多视图扩散模型（Morphable Multi-View Diffusion Models）来创建4D人像化身的技术。它能够从任意数量的参考图像生成不同视角和表情的图像，并将其适配到一个4D化身上，该化身可以通过3DMM控制并实时渲染。这项技术的主要优点包括高度逼真的图像生成、多视角的适应性以及实时渲染的能力。CAP4D的技术背景是基于深度学习和图像生成领域的最新进展，尤其是在扩散模型和3D面部建模方面。由于其高质量的图像生成和实时渲染能力，CAP4D在娱乐、游戏开发、虚拟现实等领域具有广泛的应用前景。目前，该技术是免费提供代码的，但具体的商业化应用可能需要进一步的授权和定价。
BharatDiffusion
BharatDiffusion是一个基于AI的图像生成模型，专门针对印度的多样化景观、文化和遗产进行微调，能够生成反映印度丰富文化和特色的高质量图像。该模型使用Stable Diffusion技术处理所有图像生成，确保内容与印度的多样性和活力相呼应。
iMideo
iMideo是一个AI视频生成平台，具备Veo3、Seedance等多种先进AI模型。其主要优点在于能够将静态图片迅速转换为高质量的AI视频，无需复杂的剪辑技能，且支持多种宽高比和分辨率设置。该平台提供免费版本，让用户可以先免费试用图片转影片功能，付费方案起价为每月5.95美元，适合各类创作者轻松制作专业级的视频内容。
Midjourney Video
Midjourney Video是一款革命性的AI视频生成器，利用先进的图像到视频技术，将静态图像转换为令人惊叹的视频。其主要优点在于成本低廉、灵活的动作设置、通用图像支持、专业视频输出等。
ComfyUI-HunyuanVideoWrapper-IP2V
ComfyUI-HunyuanVideoWrapper-IP2V是一个基于HunyuanVideo的视频生成工具，它允许用户通过图像提示生成视频（IP2V），即利用图像作为生成视频的条件，提取图像的概念和风格。这项技术主要优点在于能够将图像的风格和内容融入视频生成过程中，而不仅仅是作为视频的第一帧。产品背景信息显示，该工具目前处于实验阶段，但已经可以工作，且对VRAM有较高要求，至少需要20GB。
EdgeOne Pages Functions AI OCR
EdgeOne Pages Functions：AI OCR是一款基于人工智能技术的图像文字识别服务，它能够将图片中的文字内容转换为可编辑的文本格式。这项技术的重要性在于它极大地提高了文字录入的效率，减少了人工输入的错误率，并且能够处理多种语言的文字识别。产品背景信息显示，EdgeOne提供了一个免费的部署平台，拥有即时全球CDN覆盖，这使得AI OCR服务可以快速、稳定地服务于全球用户。价格方面，用户可以免费部署体验，具体定价策略未在页面中明确说明。
Describe Anything
Describe Anything 模型（DAM）能够处理图像或视频的特定区域，并生成详细描述。它的主要优点在于可以通过简单的标记（点、框、涂鸦或掩码）来生成高质量的本地化描述，极大地提升了计算机视觉领域的图像理解能力。该模型由 NVIDIA 和多所大学联合开发，适合用于研究、开发和实际应用中。
Aragon – 图像生成
使用AI可以比以前快10倍地创建惊人的艺术和图像。
Diffusion Self-Distillatio
Diffusion Self-Distillation是一种基于扩散模型的自蒸馏技术，用于零样本定制图像生成。该技术允许艺术家和用户在没有大量配对数据的情况下，通过预训练的文本到图像的模型生成自己的数据集，进而微调模型以实现文本和图像条件的图像到图像任务。这种方法在保持身份生成任务的性能上超越了现有的零样本方法，并能与每个实例的调优技术相媲美，无需测试时优化。
In-Context LoRA for Diffusion Transformers
In-Context LoRA是一种用于扩散变换器（DiTs）的微调技术，它通过结合图像而非仅仅文本，实现了在保持任务无关性的同时，对特定任务进行微调。这种技术的主要优点是能够在小数据集上进行有效的微调，而不需要对原始DiT模型进行任何修改，只需改变训练数据即可。In-Context LoRA通过联合描述多张图像并应用任务特定的LoRA微调，生成高保真度的图像集合，更好地符合提示要求。该技术对于图像生成领域具有重要意义，因为它提供了一种强大的工具，可以在不牺牲任务无关性的前提下，为特定任务生成高质量的图像。
ComfyUI-IF_MemoAvatar
ComfyUI-IF_MemoAvatar是一个基于记忆引导扩散的模型，用于生成表达性的视频。该技术允许用户从单一图像和音频输入创建富有表现力的说话头像视频。这项技术的重要性在于其能够将静态图像转化为动态视频，同时保留图像中人物的面部特征和情感表达，为视频内容创作提供了新的可能性。该模型由Longtao Zheng等人开发，并在arXiv上发布相关论文。
vivago.ai
vivago.ai 是一个免费的 AI 生成工具和社区，提供文本转图像、图像转视频等功能，让创作变得更加简单高效。用户可以免费生成高质量的图像和视频，支持多种 AI 编辑工具，方便用户进行创作和分享。该平台的定位是为广大创作者提供易用的 AI 工具，满足他们在视觉创作上的需求。
Dreamer
将稳定扩散集成到Notion中，使用新的削减命令AI生成图像。
可灵AI · 灵感学院
可灵AI · 灵感学院是一个以AI技术为核心的创作平台，提供包括AI图片、AI视频以及AI定制模型在内的多种创作服务。它通过利用人工智能技术，简化创作流程，提高创作效率，降低创作门槛，使得普通用户也能轻松创作出专业级别的作品。平台背景强大，依托于快手的技术支持，拥有广泛的用户基础和市场影响力。目前，该平台提供免费的基础服务，同时也提供了一些高级功能供用户选择。
Charts Not Chapters
AI智能生成，自由编辑的信息图表制作工具
InstantIR
InstantIR是一种基于扩散模型的盲图像恢复方法，能够在测试时处理未知退化问题，提高模型的泛化能力。该技术通过动态调整生成条件，在推理过程中生成参考图像，从而提供稳健的生成条件。InstantIR的主要优点包括：能够恢复极端退化的图像细节，提供逼真的纹理，并且通过文本描述调节生成参考，实现创造性的图像恢复。该技术由北京大学、InstantX团队和香港中文大学的研究人员共同开发，得到了HuggingFace和fal.ai的赞助支持。
SVGMaker
SVGMaker是一款AI驱动的SVG生成器和编辑器，利用先进的人工智能图像生成技术，将文本提示转化为可缩放图形，轻松创建令人惊叹的SVG图标、标志和设计。
Nano Banana AI
Nano Banana AI是一款革命性的AI图片编辑工具，通过自然语言描述编辑需求，无需设计技能，快速生成专业级编辑效果。主打一致性编辑和多图片融合功能，提供无限创意可能。
pixu.ai
Pixu.ai是一家领先的个性化AI图像生成和修改服务提供商，通过先进的AI技术，用户可以生成真实的图像，并提供一系列工具用于人脸交换、肖像修复、图像放大、艺术转换和相似图像生成，为用户提供卓越的使用体验。
InternViT-300M-448px-V2_5
InternViT-300M-448px-V2_5是一个基于InternViT-300M-448px的增强版本，通过采用ViT增量学习与NTP损失（Stage 1.5），提升了视觉编码器提取视觉特征的能力，尤其是在大规模网络数据集中代表性不足的领域，如多语言OCR数据和数学图表等。该模型是InternViT 2.5系列的一部分，保留了与前代相同的“ViT-MLP-LLM”模型架构，并集成了新的增量预训练的InternViT与各种预训练的LLMs，如InternLM 2.5和Qwen 2.5，使用随机初始化的MLP投影器。
稳定扩散
稳定扩散是一个深度学习，文本到图像的模型，于2022年发布。主要用于生成基于文本描述的详细图像，但也可以应用于其他任务，如修复、超出原始边界以及生成由文本提示引导的图像到图像翻译。
Chaos® Vantage
Chaos公司的3D可视化工具是一个终极的3D可视化工具集，旨在加快、改进和简化工作流程，适用于建筑可视化、视觉特效、商业和产品设计等领域。
Picaii
利用Picaii，你可以利用人工智能技术为自己打造逼真的数字形象，展示个性和创造力。
Imgcreator
创建带有文本的图像。生成基于文本的图像以帮助您思考和创造。
LucidFusion
LucidFusion是一个灵活的端到端前馈框架，用于从未摆姿势、稀疏和任意数量的多视图图像中生成高分辨率3D高斯。该技术利用相对坐标图（RCM）来对齐不同视图间的几何特征，使其在3D生成方面具有高度适应性。LucidFusion能够与原始单图像到3D的流程无缝集成，生成512x512分辨率的详细3D高斯，适合广泛的应用场景。
ColorFlow
ColorFlow是一个为图像序列着色而设计的模型，特别注重在着色过程中保留角色和对象的身份信息。该模型利用上下文信息，能够根据参考图像池为黑白图像序列中的不同元素（如角色的头发和服装）准确生成颜色，并确保与参考图像的颜色一致性。ColorFlow通过三个阶段的扩散模型框架，提出了一种新颖的检索增强着色流程，无需每个身份的微调或显式身份嵌入提取，即可实现具有相关颜色参考的图像着色。ColorFlow的主要优点包括其在保留身份信息的同时，还能提供高质量的着色效果，这对于卡通或漫画系列的着色具有重要的市场价值。
X-Dyna
X-Dyna是一种创新的零样本人类图像动画生成技术，通过将驱动视频中的面部表情和身体动作迁移到单张人类图像上，生成逼真且富有表现力的动态效果。该技术基于扩散模型，通过Dynamics-Adapter模块，将参考外观上下文有效整合到扩散模型的空间注意力中，同时保留运动模块合成流畅复杂动态细节的能力。它不仅能够实现身体姿态控制，还能通过本地控制模块捕捉与身份无关的面部表情，实现精确的表情传递。X-Dyna在多种人类和场景视频的混合数据上进行训练，能够学习物理人体运动和自然场景动态，生成高度逼真和富有表现力的动画。
flux context
FLUX Context AI & FLUX Kontext AI是一款革命性的AI图像编辑工具，采用先进的扩散技术，提供卓越的精度和一致性，支持多种编辑任务。其快速生成、保持视觉一致性、统一框架处理多项任务等特点，让用户可以实现无限创意可能。
AdpexAI
AI图像、视频和聊天工具的综合平台
AI Image Editor
在线 AI 图片处理工具
Coloring.app
Coloring.app是一个在线平台，利用AI技术生成个性化的彩色页面，适合喜爱涂色和放松的孩子和成人。提供AI生成的彩色页面，照片转换为彩色页面等功能。定位于提供创意的AI工具，免费使用。
HappyDiffusion
HappyDiffusion是一款稳定的在线扩散工具，为用户提供了快速、简便的方式来生成惊艳的图像。
Magicsnap
将您的自拍照片转化为电影角色风格的照片，只需一张照片，快速生成，逼真效果，高清4K画质。
AIheadshotmasters
AIHeadshotMasters是您的AI头像生成器，可以在几分钟内将您的照片转化为专业头像，无需摄影。
Creatsy AI壁纸
AI个性化壁纸生成平台
Celebrity Look Alike
找到与您相似的名人
clickgen.io
使用clickgen.io，轻松创建个性化的YouTube缩略图，吸引更多观众，提高视频曝光度。
LLaVA-Mini
由ictnlp团队开发的多模态模型，仅用1个视觉令牌提效，改进多项性能，开源免费，适用于需快速准确理解视觉内容的场景。
一级浮图
一级浮图-i人证件照制作工具
WHEE Miracle F1
WHEE Miracle F1 是一款强大的 AI 图像生成模型，能够生成极具真实感的图像。它通过智能模拟真实世界的光影和材质效果，精确还原金属的锐利反光、丝绸的自然垂坠感以及玻璃折射的微妙光影，让数字作品拥有真实世界的呼吸感。该模型在语义理解上表现出色，能够精准理解复杂概念，如‘纯色背景’‘夜景灯光’‘多物体构图’等，并呈现出用户心中所想的画面效果。其风格多元，从 3D 立体特效的机械未来感到复古胶片颗粒的怀旧美学，都能轻松驾驭。适用于电商产品展示、活动视觉创意展示、插画海报笔触模拟等多种应用场景，一键生成高质量图像，满足专业需求。目前可通过 WHEE 官方网站体验。
Google Imagen 3
谷歌最高质文本转图像模型 Imagen 3
