AI工具

PortraitGen是中国科学技术大学研究团队推出的一款AI人像视频编辑工具。基于3D高斯溅射技术和神经高斯纹理机制，将2D人像视频转换为4D高斯场，实现高质量的3D和时间一致性编辑。...

Pollinations.AI 是开源的AI内容生成平台，提供免费且易于使用的文本和图像生成 API。Pollinations.AI无需注册或 API 密钥即可使用，支持多种功能，包括图像生成、文本生成、文生音频、音频转文字...

Poetry2Image是一个专为中文古诗词图像生成设计的迭代校正框架，哈尔滨工业大学提出。框架通过自动化的反馈和校正循环，增强了诗歌与图像之间的一致性，有效捕捉诗歌的语义和艺术精髓。解决文本到图像生成模型在处理中文古典诗歌...

Podcastfy 是一个开源的 Python 软件包，能将网络内容、PDF 文档及文本转换成多语言的音频对话形式。这款工具采用了先进的生成式人工智能（GenAI）技术，类似于谷歌旗下的 NotebookLM，但更加注重编程...

PodAgent 是香港中文大学、微软和小红书联合推出的播客生成框架。基于模拟真实的脱口秀场景，用多智能体协作系统（包括主持人、嘉宾和编剧）自动生成丰富且结构化的对话内容。PodAgent构建了多样化的声音库，用在精准匹配角...

Pocket Flow 是极简的 LLM（大型语言模型）框架，仅用 100 行代码实现，具有轻量级、无依赖、无厂商锁定的特点。Pocket Flow支持多Agents、工作流、检索增强生成（RAG）等强大功能，帮助开发者快速...

Playwright MCP 是微软推出的轻量级浏览器自动化工具，基于 Model Context Protocol (MCP 协议。工具基于 Playwright 的可访问性树实现与网页的交互，无需依赖视觉模型或截图，适...

Playmate是广州趣丸科技团队推出的人脸动画生成框架。框架基于3D隐式空间引导扩散模型，用双阶段训练框架，根据音频和指令精准控制人物的表情和头部姿态，生成高质量的动态肖像视频。...

Playground v3（PGv3）是由Playground Research推出的最新文本到图像模型，基于深度融合的大型语言模型（LLM）技术，实现在图形设计任务上超越人类设计师的能力。PGv3拥有240亿参数量，能精确...

PlayDiffusion是PlayAI推出的新型音频编辑模型，基于扩散模型技术，专门用在音频的精细编辑和修复。模型将音频编码为离散的标记序列，对需要修改的部分进行掩码处理，用扩散模型在给定更新文本的条件下对掩码区域进行去噪...

PlanGEN 是谷歌研究团队推出的多智能体框架，通过多智能体协作、约束引导和算法自适应选择，解决复杂问题的规划和推理。包含三个关键组件：约束智能体、验证智能体和选择智能体。智能体协同工作，形成一个强大的问题解决系统。...

Pixtral Large是法国Mistral AI开源的1240亿参数超大多模态模型，具备前沿级图像理解能力，支持128K上下文，能理解文本、图表和图像。Pixtral Large基于Mistral Large 2开发，拥...

Pixtral 12B 是法国AI初创公司Mistral推出的首款多模态AI模型，能同时处理图像和文本。模型拥有 120 亿参数，模型大小约为 24GB，基于文本模型 Nemo 12B构建，能回答任意数量、任意尺寸图像的问题...

PixelWave Flux.1-dev 03是基于FLUX.1-dev模型在NVIDIA 4090上微调的AI图像生成模型，有卓越的模型泛化能力，模型在处理多种艺术风格、摄影和动漫图像方面表现出色，在审美、写实和动漫风格上...

PixelHacker 是华中科技大学和 VIVO AI Lab联合推出的图像修复（Image Inpainting）模型。基于引入潜在类别引导（Latent Categories Guidance, LCG）范式，分别对前...