# 无需训练

Story-Adapter
Story Adapter
Story-Adapter是一个无需训练的迭代框架,专为长篇故事可视化设计。它通过迭代范式和全局参考交叉注意力模块,优化图像生成过程,保持故事中语义的连贯性,同时减少计算成本。该技术的重要性在于它能够在长篇故事中生成高质量、细节丰富的图像,解决了传统文本到图像模型在长故事可视化中的挑战,如语义一致性和计算可行性。
图片生成
112.1K
DiTCtrl
Ditctrl
DiTCtrl是一种基于多模态扩散变换器(MM-DiT)架构的视频生成模型,它专注于无需额外训练即可生成具有多个连续提示的连贯场景视频。该模型通过分析MM-DiT的注意力机制,实现了在不同提示间精确的语义控制和注意力共享,从而生成具有平滑过渡和一致对象运动的视频。DiTCtrl的主要优点包括无需训练、能够处理多提示视频生成任务,并能展示电影风格的过渡效果。此外,DiTCtrl还提供了一个新基准MPVBench,专门用于评估多提示视频生成的性能。
视频生成
48.6K
Enhance-A-Video
Enhance A Video
Enhance-A-Video 是一个致力于提高视频生成质量的项目,它通过调整视频模型中的时序注意力参数来增强视频帧间的一致性和视觉质量。该项目由新加坡国立大学、上海人工智能实验室和德克萨斯大学奥斯汀分校的研究人员共同开发。Enhance-A-Video 的主要优点在于它能够以零成本提升现有视频模型的性能,无需重新训练。它通过引入温度参数来控制帧间相关性,增强视频的时序注意力输出,从而提升视频质量。
视频编辑
86.4K
FasterCache
Fastercache
FasterCache是一种创新的无需训练的策略,旨在加速视频扩散模型的推理过程,并生成高质量的视频内容。这一技术的重要性在于它能够显著提高视频生成的效率,同时保持或提升内容的质量,这对于需要快速生成视频内容的行业来说是非常有价值的。FasterCache由来自香港大学、南洋理工大学和上海人工智能实验室的研究人员共同开发,项目页面提供了更多的视觉结果和详细信息。产品目前免费提供,主要面向视频内容生成、AI研究和开发等领域。
模型训练与部署
55.5K
MagicFace
Magicface
MagicFace是一种无需训练即可实现个性化人像合成的技术,它能够根据给定的多个概念生成高保真度的人像图像。这项技术通过精确地将参考概念特征在像素级别集成到生成区域中,实现了多概念的个性化定制。MagicFace引入了粗到细的生成流程,包括语义布局构建和概念特征注入两个阶段,通过Reference-aware Self-Attention (RSA)和Region-grouped Blend Attention (RBA)机制实现。该技术不仅在人像合成和多概念人像定制方面表现出色,还可用于纹理转移,增强其多功能性和实用性。
AI图像生成
56.3K
AsyncDiff
Asyncdiff
AsyncDiff 是一种用于并行化扩散模型的异步去噪加速方案,它通过将噪声预测模型分割成多个组件并分配到不同的设备上,实现了模型的并行处理。这种方法显著减少了推理延迟,同时对生成质量的影响很小。AsyncDiff 支持多种扩散模型,包括 Stable Diffusion 2.1、Stable Diffusion 1.5、Stable Diffusion x4 Upscaler、Stable Diffusion XL 1.0、ControlNet、Stable Video Diffusion 和 AnimateDiff。
AI图像生成
54.6K
优质新品
SketchDeco
Sketchdeco
SketchDeco是一个创新的在线工具,它能够将黑白草图、遮罩和色彩调色板转化为逼真的彩色图像,无需用户定义文本提示。这项技术结合了ControlNet和分阶段生成的方法,使用Stable Diffusion v1.5和BLIP-2文本提示,提供了忠实的图像生成和用户导向的色彩化。它不仅快速、无需训练,而且与消费级Nvidia RTX 4090 Super GPU兼容,为创意专业人士和爱好者提供了宝贵的资源。
AI图像生成
94.7K
优质新品
RB-Modulation
RB Modulation
RB-Modulation是谷歌发布的一种基于随机最优控制的新型训练免费个性化扩散模型解决方案。它通过终端成本编码所需属性,实现风格和内容的精确提取与控制,无需额外训练,即可生成与参考图像风格一致且遵循给定文本提示的图像。该技术在无需训练的情况下,通过新颖的注意力特征聚合(AFA)模块,保持对参考图像的高保真度,并遵循给定的提示,具有重要的研究和应用价值。
AI图像生成
82.0K
优质新品
FIFO-Diffusion
FIFO Diffusion
FIFO-Diffusion是一种基于预训练扩散模型的新颖推理技术,用于文本条件视频生成。它能够无需训练生成无限长的视频,通过迭代执行对角去噪,同时处理队列中一系列连续帧的逐渐增加的噪声水平;该方法在头部出队一个完全去噪的帧,同时在尾部入队一个新的随机噪声帧。此外,引入了潜在分割来减少训练推理差距,并通过前瞻去噪来利用前向引用的好处。
AI视频生成
129.4K
FouriScale
Fouriscale
FouriScale从频域分析的角度探讨从预先训练的扩散模型生成高分辨率图像,通过创新的、无需训练的方法,通过将预先训练的扩散模型中的原始卷积层替换为结合膨胀技术和低通操作的方法,通过填充然后裁剪策略进一步增强,实现了灵活处理各种宽高比文本到图像生成。使用FouriScale作为指导,该方法成功平衡了生成图像的结构完整性和保真度,实现了任意尺寸、高分辨率和高质量生成的惊人能力。通过其简单性和兼容性,该方法可以为未来对超高分辨率图像合成的探索提供有价值的见解。
AI图像生成
66.5K
AnyV2V
Anyv2v
AnyV2V是一个创新的视频到视频编辑框架,允许用户使用任何现成的图像编辑工具编辑视频的第一帧,然后使用现有的图像到视频生成模型进行图像到视频的重建。这种方法使得各种编辑任务变得简单,包括基于提示的编辑、样式转换、主题驱动的编辑和身份操纵。
AI视频编辑
90.5K
SegMoE
Segmoe
SegMoE 是一个强大的框架,能够在几分钟内将稳定扩散模型动态组合成专家混合体,无需训练。该框架支持即时创建更大的模型,提供更多知识、更好的粘附性和更好的图像质量。它受到 mergekit 的 mixtral 分支的启发,但专为 Stable Diffusion 模型设计。安装简单,使用方便,适用于图像生成和合成任务。
AI图像生成
107.6K
精选AI产品推荐
中文精选
NoCode
Nocode
NoCode 是一款无需编程经验的平台,允许用户通过自然语言描述创意并快速生成应用,旨在降低开发门槛,让更多人能实现他们的创意。该平台提供实时预览和一键部署功能,非常适合非技术背景的用户,帮助他们将想法转化为现实。
开发平台
107.6K
优质新品
ListenHub
Listenhub
ListenHub 是一款轻量级的 AI 播客生成工具,支持中文和英语,基于前沿 AI 技术,能够快速生成用户感兴趣的播客内容。其主要优点包括自然对话和超真实人声效果,使得用户能够随时随地享受高品质的听觉体验。ListenHub 不仅提升了内容生成的速度,还兼容移动端,便于用户在不同场合使用。产品定位为高效的信息获取工具,适合广泛的听众需求。
音频生成
86.4K
国外精选
Lovart
Lovart
Lovart 是一款革命性的 AI 设计代理,能够将创意提示转化为艺术作品,支持从故事板到品牌视觉的多种设计需求。其重要性在于打破传统设计流程,节省时间并提升创意灵感。Lovart 当前处于测试阶段,用户可加入等候名单,随时体验设计的乐趣。
AI设计工具
108.5K
FastVLM
Fastvlm
FastVLM 是一种高效的视觉编码模型,专为视觉语言模型设计。它通过创新的 FastViTHD 混合视觉编码器,减少了高分辨率图像的编码时间和输出的 token 数量,使得模型在速度和精度上表现出色。FastVLM 的主要定位是为开发者提供强大的视觉语言处理能力,适用于各种应用场景,尤其在需要快速响应的移动设备上表现优异。
AI模型
85.3K
国外精选
Smart PDFs
Smart PDFs
Smart PDFs 是一个在线工具,利用 AI 技术快速分析 PDF 文档,并生成简明扼要的总结。它适合需要快速获取文档要点的用户,如学生、研究人员和商务人士。该工具使用 Llama 3.3 模型,支持多种语言,是提高工作效率的理想选择,完全免费使用。
文章摘要
53.5K
KeySync
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。它解决了传统唇同步技术中的时间一致性问题,同时通过巧妙的遮罩策略处理表情泄漏和面部遮挡。KeySync 的优越性体现在其在唇重建和跨同步方面的先进成果,适用于自动配音等实际应用场景。
视频编辑
80.6K
AnyVoice
Anyvoice
AnyVoice是一款领先的AI声音生成器,采用先进的深度学习模型,将文本转换为与人类无法区分的自然语音。其主要优点包括超真实的声音效果、多语言支持、快速生成能力以及语音定制功能。该产品适用于多种场景,如内容创作、教育、商业和娱乐制作等,旨在为用户提供高效、便捷的语音生成解决方案。目前产品提供免费试用,适合不同层次的用户。
音频生成
651.4K
中文精选
LiblibAI
Liblibai
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。平台提供海量免费AI创作模型,用户可以搜索使用模型进行图像、文字、音频等创作。平台还支持用户训练自己的AI模型。平台定位于广大创作者用户,致力于创造条件普惠,服务创意产业,让每个人都享有创作的乐趣。
AI模型
8.0M
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase