WaveSpeedAI Blog

AI图像和视频生成模型的最新资讯

WaveSpeedAI LTX 2 19b Control现已登陆WaveSpeedAI

LTX-2 19B ControlNet 可从视频输入生成同步音视频（最长 20 秒），支持姿态、深度或 Canny 边缘引导。支持音频保留、基因

LTX-2 IC-LoRA Trainer 让您能够训练自定义上下文 LoRA 模型，用于视频转换、深度/姿态适配器、视频修复和风格转换。

LTX-2 音频-视频 LoRA 训练工具让你训练自定义 LoRA 模型，支持同步的音频-视频生成。训练动作、运动和视频效果模型

LTX-2 19B Video Upscaler 将低分辨率视频转换为清晰的 4K 画面，具有无缝的运动动态和帧一致性。随时可用的 REST 推理 A

Molmo2-4B Image Captioner：为图像生成详细、准确的字幕，支持可自定义的细节级别（低、中、高）。开源视觉语言模型

Molmo2-4B Image Content Moderator：分析图像内容的安全性、适当性和政策合规性。检测暴力、裸露、血腥和其他有害内容

Molmo2-4B Image QA: 支持多图像比较（1-2张图像）回答有关图像的问题。开源视觉语言模型。即用型REST API

Molmo2-4B Prompt Optimizer：通过智能重组、风格指导和上下文感知的改进来增强图像和视频生成提示词。开源

Molmo2-4B文本内容审核员：分析文本内容的安全性、适当性和政策合规性。检测仇恨言论、暴力、性内容及其他有害内容。

Molmo2-4B 视频字幕生成器：为视频生成详细准确的字幕，支持可自定义的细节级别（低、中、高）。开源视觉语言模型

Molmo2-4B Video Content Moderator 分析视频内容的安全性、适当性和政策合规性。检测暴力、裸露、血腥和其他有害内容

Molmo2-4B Video QA：具有时间理解能力，回答关于视频内容的问题。开源视觉语言模型。即用型REST API，无冷启动