Project Icon

SEED-Story

多模态长篇故事生成系统

SEED-Story是一种基于大型语言模型的多模态故事生成系统。该系统能够根据初始图像和文本,生成包含连贯叙事和风格一致图像的长篇故事,最多可达25个多模态序列。研究团队同时发布了StoryStream数据集,用于多模态故事生成模型的训练和评估。SEED-Story在图像风格一致性、故事吸引力和文图一致性方面表现优异,为多模态AI创作提供了新的可能性。

SEED - 融合视觉与语言的多模态AI框架
AI助手GithubSEED-LLaMA多模态大语言模型开源项目视觉语言模型
SEED是一个创新的多模态AI框架,通过视觉分词器和去分词器,赋予大语言模型视觉理解和生成能力。该系统支持多模态理解与生成,展现出多轮上下文多模态生成等组合能力。基于SEED开发的SEED-LLaMA在广泛的多模态任务中表现优异,为AI领域开辟了新的研究方向。
SEED-X - 统一多粒度理解与生成的多模态AI模型
AI助手GithubSEED-X图像编辑多模态模型开源项目指令微调
SEED-X是一个多功能的多模态基础模型,经过指令微调后可应用于各种实际场景。该模型整合了多粒度的理解和生成能力,能够满足多样化的用户需求。SEED-X既可作为交互式设计工具生成和编辑图像,又能充当智能助手理解各种尺寸的图像并提供相关建议。项目已开源模型、指令微调代码和推理代码,同时提供在线演示。
storyteller - 多模态AI故事生成器
GithubStoryTeller人工智能多模态开源项目故事生成自然语言处理
StoryTeller集成了GPT-3、Stable Diffusion和神经TTS技术,实现从文本生成到图像绘制再到声音合成的生动故事创造过程。适用于快速内容创作、教育娱乐等多场景。支持命令行和Python接口,可自定义参数。
SEED-Bench - 多模态大语言模型评估基准
GithubSEED-Bench人工智能基准测试多模态大语言模型开源项目评估维度
SEED-Bench是一个全面评估多模态大语言模型的基准测试。它包含28K个多项选择题,涵盖34个评估维度,包括文本和图像生成能力。该项目提供SEED-Bench-H、SEED-Bench-2-Plus等多个版本,分别针对不同评估方面。SEED-Bench为研究人员提供了一个客观比较多模态大语言模型性能的工具。
Awesome-Story-Generation - 大语言模型推动故事生成技术进步与前沿研究
Github人工智能大型语言模型开源项目故事生成文本生成自然语言处理
该项目汇集了故事生成和讲故事领域的关键论文,聚焦大语言模型时代的最新研究。内容覆盖情节发展、写作风格、角色塑造等多个方面,按时间顺序呈现并附带引用计数。项目还包括文献综述和公共资源,为研究者和实践者提供全面参考。
Animate-A-Story - 检索增强视频生成技术驱动的智能故事视频创作
AIGithub开源项目故事讲述检索增强结构控制视频生成
Animate-A-Story是一个创新的视频叙事框架,通过检索增强和结构引导的方式生成高质量、可控的故事视频。该框架包含运动结构检索和文本引导的视频合成两个核心模块,能够基于现有视频素材创建连贯的叙事内容。这种方法不仅提高了视频创作的效率,还为创作者提供了对视频结构和角色的精确控制,展现了在实际应用中的巨大潜力。
StoryDiffusion - 实现长序列图像和视频的一致性生成
AI生成GithubStoryDiffusion一致性自注意力开源项目长序列图像生成长视频生成
StoryDiffusion是一个专注于长序列图像和视频生成的AI项目。该项目采用一致性自注意力机制,实现角色连贯的图像生成,并通过运动预测器在压缩图像语义空间中预测条件图像间的运动。StoryDiffusion不仅能生成连贯的漫画,还可创作长时间、高质量的视频,为故事创作和视觉内容生成提供了新的技术方案。
Zero2Story - 基于人工智能的交互式故事生成框架
AI创作GithubZero2Story交互式故事生成图像生成开源项目音乐生成
Zero2Story是一个结合PaLM API、Stable Diffusion和MusicGen技术的故事生成框架。该框架包含背景设置、角色创建和交互式故事生成三个阶段,使创作者能够构建独特的故事。系统支持自定义故事场景、氛围和角色,并通过AI生成的情节选项推进剧情。此外,框架还能生成与故事情境匹配的背景图像和音乐,丰富整体创作体验。
SeedEdit - Doubao Team - SeedEdit 模型实现文本提示下的图像编辑与再生成
AI工具SeedEdit图像编辑扩散模型文本提示输入图像
SeedEdit 是一种大型扩散模型,能够基于文本提示编辑图像。在图像重建和再生成之间实现平衡,支持高质量图像的连续编辑。其架构设计结合了精准的编辑指令解析能力,能够进行多种形式的图像编辑,保持良好的图像质量。
TaleCrafter - 基于AI的多角色交互式故事可视化系统
AI绘图GithubTaleCrafter交互式编辑多角色开源项目故事可视化
TaleCrafter是一个创新的故事可视化系统,支持多角色创建和展示。该系统整合了大型语言模型和文本到图像模型技术,包括四个核心模块:故事提示生成、布局生成、可控图像生成和图像动画。TaleCrafter能够保持角色一致性,实现文本与图像的精准对应,并允许灵活调整图像布局和细节。这一工具为创作者提供了将文字故事转化为生动视觉内容的有效途径。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号