Midjourney是目前最强的AI绘画工具，输入提示词即可通过AI算法生成相对应的图片，只需要不到一分钟。对于新用户，官方提供一段时间的免费试用，用户可以直接通过谷歌账号注册体验。

Stability AI 是一家英国AI公司，成立于 2019 年，总部位于伦敦，该公司的使命是使 AI 民主化，并构建激发人类潜力的全球基础。其以SD（Stable Diffusion ）系列开源模型而闻名。

Firefly是老牌设计软件企业Adobe旗下生成式 AI 模型，其在2023年初就已经推出，目前已经支持全球逾 100 种语言的文字输入，让大家用自己的语言就可以进行AI创作，无需担心自己的英文水平。目前Adobe Firefly也已与旗下的Photoshop、Illustrator等进行融合。

Ideogram 是一家由前 Google Brain AI 研究人员创立的加拿大初创公司，以其能够生成从现实到奇幻的广泛风格的文本到图像模型而闻名，其“Magic Prompt”的功能，能帮助您为美丽、创意的图像编写详细的提示。

Luma AI于2024年12月推出了两款新的高级文本到图像模型——Photon 和 Photon Flash，这些模型可通过 Luma 官方网站访问，旨在为创意和设计师等专业人士提供更高质量的图像生成服务。

Whisk 是谷歌最新的 Google Labs 实验，允许用户通过输入或创建传达主题、场景和风格的图像，轻松组合并重新混合这些元素，生成独一无二的作品。Whisk 结合了 Imagen 3 的图像生成能力和 Gemini 的视觉理解和描述能力，使用户能够以有趣的新方式探索创意。

通义万象是阿里云旗下的图像及视频生成平台，凭借其强大的多模态生成能力，正在引领生成式 AI 的发展。除了传统的文生图能力，通义万象现已支持文生视频、图生视频等多种功能，并在插画设计、涂鸦作画、局部重绘、短片创作、配乐生成等场景化应用中表现出色。

PixVerse是一个AI视频创作平台，用户可以通过简单的文本提示或上传图像，快速生成高质量的AI视频。平台支持多种风格，包括写实、动漫和3D动画，并配备了内置的视频质量增强器，让创作更加高效、专业。

FLORA 是一款创意图像和视频创作工具，接入了顶级 AI 绘画和视频模型。它通过优雅的交互设计，帮助创意团队构建结构化、可扩展的工作流，提升创作速度和控制力，支持多人实时协作。

Pika 是一款由 AI 驱动的视频制作工具，自 2023 年 4 月成立以来，迅速在视频创作领域崭露头角。其创始人郭文景（Demi Guo）和 Chenlin Meng 均为斯坦福博士，凭借深厚的技术背景和创新能力，Pika 不断为用户带来令人惊喜的功能和体验。

由 Firefly 视频模型支持，创意专业人士可以从文本提示或图像生成视频片段，控制镜头角度，创建专业质量的图像，并开发自定义运动设计元素。该功能支持 1080p 分辨率，并即将推出 4K 模型。

Dream Machine 允许用户通过自然语言描述生成逼真的视频。Luma AI 声称，该服务能在 2 分钟内生成每秒 120 帧的 5 秒高画质短片。根据官方说明，Dream Machine 基于直接训练视频的高效 Transformer 模型，能够制作出精准且一致的精致场景。

DiffRhythm（中文名“谛韵”）是由西北工业大学音频、语音与语言处理研究组（ASLP Lab）和香港中文大学（深圳）深圳大数据研究院联合开发的新型端到端全长度歌曲生成模型。基于潜扩散（Latent Diffusion）技术，DiffRhythm 能够快速生成包含人声和伴奏的完整歌曲，解决了现有音乐生成方法的诸多局限性。

Udio是一款AI音乐创作工具，能够根据用户输入的音乐风格、情感、主题等要求，快速生成相应的音乐作品。

作为一家AI 音乐初创企业Suno，2023年推出开源语音生...

Riffusion 是一款新的生成式音乐模型，它赋予我们所有人创造力，你只需用一个想法、一个短语或一段旋律来提示模型，就可以生成完整的、录音室质量的歌曲。使用 Riffusion 不仅仅是用 AI 创作一首歌，它还关乎创造行为的终生旅程。

海绵音乐是由字节跳动最新推出的免费AI音乐创作和分享平台。它旨在利用AI技术生成个性化音乐，让用户能够轻松创作出符合自己风格的音乐作品。

Beatoven.ai 是视听故事讲述者的强大工具，它将复杂的音乐创作过程简化为一个直观、高效的AI驱动平台。无论你是新手还是资深创作者，Beatoven.ai 都能帮助你轻松创作出符合需求的高质量背景音乐，让你的内容更加生动、引人入胜。

Qwen Chat是阿里通义团队在海外市场推出了一款全新的AI助手，可以看作是通义千问的海外版，这款助手基于开源的Open WebUI框架开发而成。

Grok是一款先进的对话式人工智能。Grok 旨在提供高效、准确且自然的对话交互体验，适用于多种应用场景，包括客户服务、虚拟助手、教育辅导等。

DeepClaude 是一款高性能 LLM 推理 API，它结合了 DeepSeek R1 的思维链 (CoT) 推理能力与 Anthropic Claude 的创造力和代码生成能力。它提供了一个统一的接口，可以利用两种模型的优势，同时保持对 API 密钥和数据的完全控制。

腾讯元宝是基于腾讯自研的混元大模型开发的一款多功能AI应用。其核心目标是为用户提供全方位的帮助，无论是回答问题、解决问题、学习新知识、创造内容，还是进行闲聊，都能满足用户的需求。覆盖领域包括科学、文学、艺术以及日常生活等多个方面。

Anthropic 的 Claude 系列模型在推理和编程方面表现出色，尤其是 Claude 3.7 Sonnet，它结合了推理模式和传统模式，提供了更灵活的使用体验。Claude虽然在某些方面优于竞争对手，但目前对中国用户不够友好，经常出现封号问题。

海螺AI是是 MiniMax基于自研的多模态大语言模型为用户打造的AI伙伴，可以帮你智能搜索问答、精准识图解析、沉浸语音通话、专业/创意写作、文档速读总结、还有独家悬浮球功能帮你把琐事化繁为简。

腾讯朱雀 AI 检测是于 2025 年 1 月 17 日推出的一款 AI 生成内容检测工具，主要用于帮助用户识别 AI 生成的文本和图像内容。每位用户每天最多可检测20次文本和20次图片。

NotebookLM是谷歌推出的一款个性化AI协作工具，旨在帮助用户更高效地进行信息整理和笔记记录。利用强大的语言模型帮助用户更快地从各种文本、图像以及网页中提取主要信息。

Proxy是一款非常实用的 AI代理工具，虽然它并不完美，但在处理日常琐事方面表现出色。它的核心优势在于简单易用、无需复杂设置，并且能够主动解决问题。对于忙碌的用户来说，Proxy 是一个值得信赖的数字助手，可以显著提高效率。

英伟达推出了一款名为 Sign 的全新 AI 手语学习工具。Sign 可在屏幕上显示手语示范动作及手部轨迹，用户只需模仿动作即可进行学习。这款工具无需额外硬件设备，只需通过网络摄像头即可追踪并识别手势。

Tavus推出了其CVI平台的最新版本——一个集成了情感智能的完整操作系统。这一创新让开发者能够创建出能够“看到、听取、理解并参与”实时面对面互动的AI代理，为用户带来前所未有的沉浸体验。

Manus AI 正式公布的「Manus」Agent 产品正是这一领域的重大突破。作为全球首款通用 Agent 产品，Manus 能够独立思考、规划并执行复杂任务，直接交付完整成果，展现了强大的通用性和实用性。

Same Dev 是一款前沿的 AI 工具，旨在通过自动化 UI 复制和代码生成，弥合设计与开发之间的差距。其像素级精度和多输入支持使其在快速原型开发和效率提升方面具有潜力。

Mercury Coder 是专为代码生成优化的 dLLM，在标准编码基准测试中表现优异，甚至超越了 GPT-4o Mini 和 Claude 3.5 Haiku 等速度优化模型，同时速度快 10 倍 。

MGX (MetaGPT X) 是你的专属 AI 软件开发团队，由团队负责人 Mike、产品经理 Emma、架构师 Bob、工程师 Alex 和数据分析师 David 组成，你可以像与工作中真人同事一样与他们协作。

Yourware.so 是一个创新的 AI 项目，旨在简化 AI 生成的网页代码的部署过程。它主要允许用户将通过 AI 工具生成的 HTML 或 TSX 代码，快速转换为可访问的实时网站，只需点击一下，无需任何技术配置。每个部署都会生成一个可分享的 URL，支持即时扩展，适合非专业程序员和 AI 爱好者快速分享他们的创意。

商汤大装置推出了两款重磅工具——开源、低代码的大模型应用开发框架 LazyLLM 和一站式企业级AI应用开发平台 万象平台。这两款工具旨在大幅降低AI应用开发的门槛，帮助开发者以极简的方式快速构建复杂、定制化的多Agent大模型应用。

谷歌宣布其 AI 编程工具 Gemini Code Assist 面向个人用户推出免费版本，进入公开预览阶段。这一举措旨在为全球范围内的学生、爱好者、自由职业者和初创公司提供更强大的 AI 编程支持，帮助他们更快、更轻松地完成开发任务。

纳米AI搜索，简称纳米搜索，是360集团于2024年11月推出的基于大语言模型等多模态学习技术的搜索及内容创作工具，已发布Android、iOS和鸿蒙原生版本，并提供网页版、PC客户端。该产品支持文字、语音、拍照、视频等多种搜索方式。

Websets 是一款专为知识工作者设计的工具，能够帮助用户高效地查找符合特定标准的实体列表（如公司、人员、研究论文等）。根据基准测试，Websets 在复杂查询方面的表现远超谷歌，检索到的正确结果数量比谷歌多 20 倍以上。

Perplexity AI 是一个创新的AI搜索引擎，通过对话方式回答用户问题，提供总结性答案，并引用来源。它实时搜索互联网，确保信息最新，适合快速变化的主题，如新闻。

知乎于2024年6月推出了其全新的AI产品——“知乎直答”。这标志着知乎在AI搜索领域的功能正式产品化，并拥有了自己的独立域名和服务入口。“知乎直答”利用知乎平台丰富的真实问答数据，通过AI技术为用户提供两种答案生成方式：“简略”和“深入”，以满足不同用户的需求。此外，该产品还支持“找内容”和“找人”功能，旨在进一步缩短用户与优质回答之间的距离，提升社区创作者及其内容的可见度和流通效果。

秘塔 AI 搜索凭借其强大的技术优势和创新功能，为用户带来了全新的搜索体验。它不仅提升了搜索效率，还通过智能辅助工具和信息溯源功能，增强了搜索结果的可信度和用户体验。

Phind 是一个为开发者设计的智能问答引擎。它专注于帮助你解决具有挑战性的问题，并使用生成式 AI 在几秒钟内而不是几小时内为你提供所需的答案。Phind 连接到互联网，并且可以选择连接到你的代码库，始终保持正确的上下文。

NaturalReader 是一款功能强大、易于使用的文本转语音工具，适合各种场景下的阅读需求。无论您是希望节省时间的学生、需要无障碍支持的读者，还是寻求高质量语音内容的创作者，NaturalReader 都能为您提供卓越的体验。

AI 语音初创公司 ElevenLabs 旗下的文本转语音（TTS）应用 ElevenReader是一款强大的移动文本转语音应用程序，旨在帮助用户随时随地聆听任何文本内容。

MiniMax旗下的海螺AI上线了基于T2A-01系列语音模型的“海螺语音”。这一更新为用户带来了更加自然、流畅的超拟人人声体验。

Zonos模型基于约 20 万小时的语音数据进行训练，涵盖中性和富有表现力的语音模式。虽然主要数据集为英语内容，但也包含大量中文、日语、法语、西班牙语和德语的语音数据，从而支持多语言合成。

录咖以其强大的 AI 技术和丰富的功能，为音视频创作和处理带来了前所未有的便捷体验。无论你是创作者、教育工作者还是普通用户，录咖都能成为你得力的助手。

TTSMaker是一款在线文本转语音工具，也称为AI语音生成器，它可以将文本转换为音频，并且可以播放或下载音频文件。

星野APP是一款由MiniMax开发的AI伴侣应用，专为中国用户设计，旨在提供个性化的虚拟交互体验。用户可以通过星野APP创建自己的AI角色，定制其外貌、声音、性格和技能。

Captions利用先进的人工智能技术，让任何人都能通过几次简单的点击，使用手机制作出录音室品质的视频。无论是脚本编写、录制、编辑还是分享，Captions都能无缝支持您的每一个创作环节。

Alpha3D 是一款尖端工具，旨在帮助用户轻松地将文本和 2D 图像转换为完全实现的 3D 模型。这款由生成式 AI 驱动的平台对于参与创建增强现实 (AR) 内容的人来说是天赐之物，因为它简化了传统上昂贵且复杂的 3D 模型创建过程。无需深入的 3D 建模专业知识或高级设计技能，Alpha3D 使数字资产的创建大众化，使其可供从专业人士到业余爱好者等广泛受众使用。

Meshy 是一款非常适合初学者和专业用户的 3D 模型生成工具。无论是快速建模、3D 打印还是动画设计，它都能轻松应对。如果你对 3D 模型创建感兴趣，不妨试试 Meshy，让生成式 AI 为你的创意插上翅膀！

Hyper3D 是影眸科技旗下一个在线3D资产生成平台，旨在通过先进的AI技术将2D图像快速转换为高质量的3D模型。

Genie 是 Luma AI 推出的一款强大的文生 3D 模型工具，能够在极短时间内生成包含材质、四维网格重拓扑、可变多边形数量和所有标准格式的 3D 模型。它通过解析用户提供的文本描述，利用 AI 技术生成逼真的 3D 模型，并支持复杂的提示，用户可以指定颜色、材质和形状等属性。

腾讯上线的混元 3D AI 创作引擎，号称是“业界首个一站式 3D 内容 AI 创作平台”。该技术宣称一句话、一张图，甚至画个草图都能生成一个 3D 模型，甚至还能加动作、换纹理、捏人物、做动画。

MiniMax 是一个多模态 AI 技术的领导者，其强大的计算能力和丰富的功能使其成为企业和开发者的重要工具。无论是文本生成、语音合成还是视频制作，MiniMax 都能提供高质量的解决方案，助力用户实现技术创新和商业价值的最大化。

硅基流动作为集合顶尖大模型的一站式云服务平台，致力于为开发者提供更快、更全面、体验更丝滑的模型 API，助力开发者和企业聚焦产品创新，无须担心产品大规模推广所带来的高昂算力成本。

Amazon Bedrock 是亚马逊AWS推出的一项完全托管的服务，旨在为用户提供一种简单、安全且高效的方式来构建和部署生成式AI应用程序。通过整合来自多家行业领先AI公司的高性能基础模型，Bedrock 提供了一个统一的API接口，使开发者能够轻松试验、评估并定制适合其特定需求的模型。此外，Bedrock 的无服务器架构让用户无需管理底层基础设施，从而专注于应用开发与优化。

Fal.ai 是一个专注于生成式媒体（如图像、视频和音频）的开发者平台，通过提供高性能的 AI 模型推理和训练能力，简化了 AI 模型的部署与扩展。其高效、成本效益高的基础设施吸引了众多开发者和企业用户，成为生成式 AI 领域的重要参与者。

方舟是火山引擎推出的大模型服务平台，为您提供模型的训练、推理、评测、精调等全流程服务，帮助您快速应用的模型服务。

OpenRouter 通过统一的 API 接口和强大的优化功能，为开发者提供了一个高效、灵活且成本效益高的 AI 平台。它不仅简化了模型接入的复杂性，还通过标准化 API、真实洞察和统一计费，帮助开发者更好地管理和使用 AI 模型。

Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER（字错误率）（⬇️ 越低越好）和 RTFx（实时因子）（⬆️ 越高越好），模型根据其平均 WER 从低到高进行排名。

WebDev Arena 是一个实时的 AI编程竞赛平台，由 LMArena 开发，各种 AI代码模型在其中进行面对面的 Web 开发挑战。

Chatbot Arena是一个开放平台，专注于通过人类偏好评估大型语言模型（LLMs）的性能。该平台由加州大学伯克利分校的SkyLab和LMSYS研究团队开发，旨在为LLMs提供一个公正、透明的评估环境。

MagicArena是字节跳动推出的一个采用Elo积分机制的视觉生成大模型公开对战平台。平台上有多个视觉生成大模型（文生图、文生视频、图生视频）随机两两对战，用户对生成的结果进行评价，累积定对战数据后可以查看自己的大模型排行榜。

Artificial Analysis 是一个专注于 AI 模型和提供商分析的网站，通过提供性能基准测试和区域性报告，帮助用户做出明智的选择。其内容覆盖广泛，包括语言模型、图像模型等，并特别关注全球AI趋势，如中国市场的动态。对于需要深入了解 AI 选项的用户，该网站是一个有用的工具，尤其是在性能比较和趋势分析方面。

这款 VAE 对比工具为用户提供了一个简单而强大的平台，用于评估和比较不同 VAE 的重建能力。通过差异图、重建图像和差异总和三种输出形式，用户可以从多个角度全面了解每个 VAE 的优缺点。

野卡为国内用户订阅海外AI服务提供了一个便捷、安全且可靠的途径。如果你也对海外AI服务感兴趣，不妨尝试一下野卡，开启你的海外AI服务之旅！

Hugging Face旗下的Nanotron团队近期推出了一本免费、开源的综合性书籍——《Ultrascale-Playbook》。这本书旨在为读者提供关于如何在大规模GPU集群上高效训练大语言模型的全面指导，涵盖了分布式/并行化技术以及低级优化技巧。

Ebook2Audiobook是一款将非DRM保护的电子书转换为高质量有声书的工具，并保留章节和元数据。通过结合Calibre、Coqui XTTSv2和Fairseq等开源项目，确保每本有声书听起来自然流畅。

FontShow 字体秀是一款简单实用的在线工具，专为设计师和文字工作者打造。它不仅解决了传统字体预览方式效率低下的问题，还提供了丰富的自定义选项和便捷的对比功能，让字体选择变得更加轻松高效。

StoryTribe是一款免费的在线故事板制作工具，无需绘画技能，即可轻松创建插图和故事板。与传统的 AI 图像生成工具不同，StoryTribe 采用“以图制图”的方式，避免了文字到图像转换过程中可能出现的沟通误差。

Penpot 作为首个开源设计与代码协作工具，以其免费、自托管和社区驱动的特性脱颖而出。2.5 版本的发布表明其正在快速迭代，逐步缩小与 Figma 的差距。对于寻求成本效益和灵活性的用户，Penpot 是一个强有力的选择。