多模态AI

艺 艺恩数据 面向 AI 训练与营销决策的垂类数据基础设施，提供视频、图像、文本三模态数据集和 enbase 数据魔方等 SaaS 产品，服务大模型厂商、具身智能公司与品牌方。 眸 眸思大模型国内不可直接访问 一款多模态大模型，旨在通过视觉和语言的深度融合，提升视障人士的生活便利性 本站 11 月 8 日 检测 Audio2Face-3D要登录 英伟达在 NIM 平台上提供的音频驱动面部动画模型，把流式语音转成面部 blendshape 数据，适合已有 3D 数字人管线、能读英文 API 文档的开发者嵌入使用。 VASA-1 微软研究院的音频驱动人脸视频生成研究项目，输入单张照片和一段语音，实时生成口型与表情同步的说话视频，页面只提供论文与演示，适合做虚拟人、数字主播的研究者了解技术路线。 Voicebox Meta AI 公布的语音生成研究模型，能零样本克隆音色、跨语言迁移风格并擦除录音中的瞬态噪声，模型与代码未公开，适合语音生成研究者读论文、看样例了解前沿。 天谱乐有免费版要登录 趣丸科技推出的 AI 音乐生成大模型，输入文字、图片、音频或视频即可生成带人声的曲子，单首最长 5 分钟、覆盖 30 多种语言，适合给短视频配一段原创音乐又不想碰版权雷区的人。 阶跃星辰开放平台有免费版要登录 上海阶跃星辰推出的模型服务平台，把 Step 系列语言、语音、图像模型收在同一套 API 下，兼容 OpenAI 接口格式，另提供 AI Studio 在浏览器里先试效果，适合要把大模型能力集成进自己应用的开发者和初创团队。 硅基流动有免费版要登录 北京硅基流动科技股份有限公司运营的大模型 API 聚合平台，用统一接口调用 DeepSeek、Qwen、GLM、Kimi 等厂商模型，适合需要快速试多个模型又不想一家家开户的团队。 AniPortrait免费 腾讯游戏智迹团队开源的肖像动画框架，用一张人像照片加一段音频生成口型对齐的说话视频，也能把视频里的表情动作迁移到肖像上做面部重演，适合愿意手动下载权重、配置 CUDA 环境的开发者与研究者本地部署。 紫东太初 中科院自动化所与武汉人工智能研究院推出的多模态大模型，能统一理解图像、语音、三维点云和雷达信号，支持 128K 长文本与检索增强问答，适合做三维场景或信号分析的工程团队拆解多步任务。 OpenRouter有免费版要登录 面向开发者的 AI 模型统一接口平台，用 OpenAI 兼容格式调用 600 多个模型、80 多家供应商，可按价格或延迟路由并在供应商不可用时自动回退，适合要在一个产品里低成本试模型、再决定长期用哪家的开发者和小团队。 无际AI国内可直接访问 把模型网关与生图生视频画布放在同一账户下的 Web 工具，网关兼容 OpenAI 协议、可多上游按权重调度并带团队配额与审计，画布支持批量出图和工作流模板，适合想少维护几套密钥、统一走一个入口的开发者。 本站 11 月 8 日 检测 Mootion有免费版要登录 在线 AI 视频生成工具，支持文字、脚本、图片、音频转视频，角色库可跨项目复用同一人物，导演模式先出分镜再逐镜调整，适合内容创作者和教师不装剪辑软件就做出竖屏短片或教学素材。 M MagicAvatar 字节跳动 2023 年公布的多模态虚拟人研究框架，能把文本描述或源视频转成动作信号，再驱动指定形象生成动画，论文与代码公开，适合做动作生成、视频合成的研究者复现或在此基础上改。 Tavus有免费版要登录 AI 研究实验室推出的实时数字人平台，能生成可对话、有记忆、会演示的 PAL，供开发者与个人构建面对面 AI 交互。