AIGC 工具箱是专注人工智能软硬件工具的一站式平台，聚合文本、图像视频、代码等12大领域的前沿工具最新动态。本平台提供各类工具部署使用的原创教程，解读实战技巧，解答每个工具对应的 PC 和服务器硬件配置需求。为企业主、开发者、设计师等群体打造从工具探索到生产力转化的完整链路。

我们坚信“每个业务都需要 AI 模型，每个人都需要 AI PC，每个企业都需要 AI Server”。

AI 工具箱

StoryMaker
StoryMaker 能根据文本描述生成具有连续剧情结构的图像序列，并在多张图片之间保持人物身份和视觉元素的一致性。
Mini-Omni
Mini-Omni 能够以更低算力成本实现接近全尺寸 Omni 模型的跨模态理解与生成能力。
Supermemory
Supermemory能够为 AI 应用、个人用户或团队提供持久化的上下文记忆和知识管理能力。
Firecrawl
Firecrawl可以将复杂、多结构的网页内容自动抓取、清洗并转化为适合大模型使用的数据。
Movie Gen
Movie Gen 支持文生视频片段，并进一步扩展到角色一致性、音效与配音生成等能力。
Open Deep Research
Open Deep Research 支持用户灵活接入各类大模型、搜索工具以及 MCP服务器，具备高度可配置性与可扩展性。
KAG
KAG 通过将知识图谱与原始文本块进行互相索引，显著提升了推理严谨性与多跳问答能力。
Cherry Studio
Cherry Studio 支持 Ollama、LM Studio 等本地模型，并且支持MCP协议。
TripoSR
TripoSR 专注于从单张 2D 图像快速生成高质量的 3D 模型，能够在不到 0.5 秒的时间内完成 3D 网格的生成。
RAGFlow
RAGFlow 专注于深度文档理解，通过与大型语言模型（LLM）结合，实现具备真实依据、支持引用的问答能力。
Cline
Cline 能够理解整个代码库、规划复杂改动并执行多步骤任务的真正 “编码代理”。
Open Manus
Open Manus 专注于文稿生成与知识组织，高效地完成写作、编辑和改稿任务。
Wiseflow
Wiseflow 能从海量信息源中提炼用户真正关心的内容，进行智能理解与提炼，让有价值的信息脱颖而出。
VideoLingo
VideoLingo 是一款 AI 驱动视频本地化工具，专注于生成媲美 Netflix 级别的字幕与配音。
DeepLiveCam
用户只需提供一张目标人像图片，即可在视频、直播或摄像头流中进行高质量的人脸替换，模拟效果自然流畅。
LivePortrait
LivePortrait 是一款 AI 肖像动画框架，通过驱动视频输入，驱动人脸的头部姿势、嘴唇和眼睛动作，实现将静态照片变为动态视频。
LightningDrag
LightningDrag 旨在实现“拖拽式”局部图像变形，一次编辑可在约 1 秒 内完成，兼顾速度与精度，在多数 benchmark 数据集上表现更优。
T2V
T2V 基于扩散模型与一致性蒸馏技术融合而成，结合图像-文本和视频-文本可微奖励进行训练，实现既快速又高质量的视频生成。
Magic Insert
Magic Insert 能将选定的主体从一张图中“拖拽”到另一张风格迥异的背景上，并且使其与背景风格保持一致。
VASA-1
VASA-1 专注于将一张静态人脸图像和一段语音音频，实时合成为高质量、自然同步的唇动视频。
EasySpider
EasySpider 是一款完全免费且开源的可视化网络爬虫工具，旨在为无编程背景的用户提供简便的数据采集解决方案。
FoleyCrafter
FoleyCrafter 是一款开源视频转音频生成框架，专注于为无声视频自动生成语义相关且时间同步的高质量音效。
Seed-TTS
Seed-TTS 是一款文本转语音（TTS）模型，旨在生成高度自然、富有表现力且接近人类语音的合成语音。
OmniPhrase
OmniPhrase 能够解决多语言文本处理中的诸多挑战，如自动翻译、语义搜索、内容摘要和情感分析等。
Open WebUI
Open WebUI 是一个可扩展、功能丰富、用户友好的自托管 Web 用户界面，支持与本地或云端的大型语言模型交互。
DeepSeek
DeepSeek 是一款智能模型，由深度求索公司开发，具备多模态理解和复杂推理能力。
LobeChat
LobeChat 是一款开源的 AI 对话应用，专为用户打造高效便捷的智能对话解决方案。
Dify
Dify 是一个开源的 LLM 应用开发平台，提供了健全的应用模版和编排框架。
Shap-E
Shap-E 是一个可以通过提示词进行 3D 建模的模型，能够直接生成隐式函数的参数，这些参数可以渲染为纹理网格。
GraphRAG
GraphRAG 是一种基于知识图谱的检索增强技术，通过构建图模型的知识表达，将实体和关系之间的联系用图的形式进行展示，然后利用大语言模型进行检索增强。
LCM
LCM（Latent Consistency Models，潜在一致性模型）是清华大学交叉信息科学研究院研发的一款生成模型。
Stable Diffusion
Stable Diffusion 是 Stability AI 推出的文生图、图生图模型，能够生成生成各种图像样式，如 3D、摄影、绘画、线条艺术等。
EchoMimic
EchoMimic 是阿里推出的一款开源 AI 数字人项目，通过可编辑标记调节实现栩栩如生的音频驱动肖像动画。
MimicBrush
MimicBrush 是阿里巴巴和香港大学共同开源的万能修图模型，可将源图像的潜伏层、遮罩层、背景潜伏层和深度潜伏层输入到模拟 U-Net 中。
Fish Speech
Fish Speech 是一款克隆语音的模型，具备强大的泛化能力，不依赖音素进行 TTS，能够处理任何文字表示的语言。
IMAGDressing
IMAGDressing 是一款用于虚拟换装的交互式模块化服装生成模型，引入一个服装 UNet，它可以从 CLIP 中捕获语义特征，从 VAE 中捕获纹理特征。
CodeFormer
CodeFormer 是南洋理工大学开发的人脸恢复模型，即便是严重模糊的图片也能生成与目标人脸非常接近的自然人脸。
Streamer-Sales
Streamer-Sales 销冠 —— 卖货主播大模型 是一个能够根据给定的商品特点从激发用户购买意愿角度出发进行商品解说的卖货主播大模型。
Mem0
Mem0 是通过智能内存层增强 AI 助手和 Agent 的开源工具，实现个性化的 AI 交互。Mem0 会记住用户偏好，适应个人需求，并随时间不断改进。
SenseVoice
SenseVoice 是一个语音基础模型，具有多种语音理解功能，包括自动语音识别 、口语语言识别 、语音情感识别 和音频事件检测 。
Gaussian DreamerPro
GaussianDreamerPro 通过引入全新的几何约束框架，逐步优化高斯体的演化过程，显著提升了 3D 模型的质量。
OpenComplex
智源推出的全原子生物分子模型，能够预测蛋白质、RNA、DNA、糖类、小分子等复合物。
BGE-Reranker
bge-reranker 是智源开源的模型，借助分层自蒸馏策略进一步优化推理效率，适度的开销即可换取显著的性能收益，支持多语言，长文本。
InstantMesh
InstantMesh 是一个用于从单个图像即时生成 3D 网格的模型，具有先进的生成质量和显著的训练可扩展性。
MoneyPrinterTurbo
MoneyPrinterTurbo，一键生成短视频 AI 工具，支持多种高清视频尺寸，支持批量生成、视频时长设置，支持多种语音合成、字幕生成。
Mistral AI
Mistral AI 是一家专注于开源大型语言模型（LLM）开发的人工智能公司，推出了多个模型，如 Mistral 7B 和 Mixtral 8x7B，具有强大的编程语言处理能力。
CosyVoice
阿里通义实验室推出的语音模型，基于超过 40 万小时的多样化语音数据训练而成，能够支持超过 50 种语言的识别，展现出卓越的跨语言识别能力。

NVIDIA NIM 微服务

NVIDIA NIM™ 是 NVIDIA AI Enterprise 的一部分，是一套易于使用的预构建容器工具，目的是帮助企业客户在云、数据中心和工作站上安全、可靠地部署高性能的 AI 模型推理。它支持各种 AI 模型，包括开源社区模型和 NVIDIA AI 模型，可确保利用行业标准 API 在本地或云端进行无缝、可扩展的 AI 推理。

了解更多

*与 NVIDIA 产品相关的图片或视频（完整或部分）的版权均归 NVIDIA Corporation 所有。

本地算力推荐

工业设计 平面设计 剪辑 长续航 2K屏幕 模型训练

AI 工具 上手体验

AI 工具 部署实战

AI 创作大赛 作品展

AI 工具 大礼包

至顶 AI 实验室 热门应用推荐 (含应用部署视频讲解)
戴尔产品相关优惠政策
至顶 AI 实验室 AI 领域报告
立即注册获取
  • 短信登录
©北京第二十六维信息技术有限公司版权所有.
京ICP备15039648号-7 京ICP证161336号 京公网安备 11010802021500号