字节跳动

ComfyUI-LatentSyncWrapper是专门为ComfyUI设计的非官方节点，基于字节跳动的LatentSync框架，实现视频中嘴唇动作与音频输入的同步。借助这一工具，用户可以在Comfy...

字节跳动推出PuLID，它用于个性化文本到图像（Text-to-Image，简称T2I）的生成。PuLID的全称是“Pure and Lightning ID customization”，即纯粹和闪...

字节跳动在推出文生图模型SDXL-Lightning后，又推出了新的蒸馏模型Hyper-SD，它有效地结合了ODE轨迹保留和重构的优点，同时在步骤压缩过程中保持了接近无损的性能。与SDXL-Light...

在 AI 图像生成中，两个核心挑战长期并存： 主体一致性：如何让同一个角色在不同场景中保持身份不变？ 风格迁移：如何将参考图的艺术风格准确迁移到新内容上？ 传统方案往往需要多个模型、复杂调参，或依赖 ...

中国科学技术大学和字节跳动的研究人员推出新型视频生成技术CamTrol，这是一种无需训练的、强大的解决方案，可以为现有的视频扩散模型增添摄像机运动操控功能。简单来说，就是可以在不经过额外训练的情况下...

对于AI音乐，前面已经给大家介绍了Suno和Udio，字节跳动也在这一赛道发力，在昨天推出了AI音乐生成产品-海绵音乐，从目前生成效果来看，虽然还不如Suno和Udio，但对于中文歌曲生成效果还不错...

字节跳动发布了一款名为 BAGEL 的开源多模态基础模型，该模型拥有 70 亿活跃参数（总规模为 140 亿），在大规模交错多模态数据上进行训练。BAGEL 不仅在标准多模态理解排行榜中超越了当前主流...

字节跳动推出数据集COCONut，它是对现有的COCO数据集的现代化升级，专门针对图像分割任务。图像分割是计算机视觉中的一个核心问题，它的目标是将图像中的每个像素正确地分类到不同的实例或类别中，此数据...

字节跳动和浙江大学的研究人员推出新型人工智能模型Loopy，它专门用于生成与音频同步的逼真人像视频。Loopy的核心特点是完全基于音频信号来驱动人像动作，而不需要额外的空间信号来辅助控制动作，这使得生...

字节跳动推出了AnimateDiff-Lightning模型，能够更快地根据文本描述生成视频，比起原来的AnimateDiff模型，速度提升十倍以上。 模型地址：https://huggingface...

字节跳动近日推出了UNO，这是一个强大的通用框架，能够从单一主体到多主体进行定制化演进。UNO不仅展示了出色的泛化能力，还能将多样化的任务统一在一个模型之下，为图像生成领域带来了新的突破。 项目主页...

SDXL-Lightning是由字节跳动发布的一款速度极快的文生图模型，它采用新型扩散模型蒸馏方法，优化扩散模型，能在短时间内高效生成分辨率为1024像素的高品质图像。 模型地址：https://hu...