WaveSpeedAI Blog

AI图像和视频生成模型的最新资讯

WaveSpeedAI Molmo2 Video Understanding现已登陆WaveSpeedAI

Molmo2-4B Video Understanding：使用专门任务分析视频（通用、总结、分析、计数、场景描述）。开源视觉语言模型

OpenAI Whisper Large v3（视频转文本）直接从视频文件提供高精度多语言转录，具备自动语言检测和可选功能

PaddleOCR-VL 是一个超紧凑的 0.9B 参数视觉语言模型，用于文档解析，支持 109 种语言的文本、表格、公式和图表识别

Qwen-Image-2512 LoRA Trainer让您能够快速训练自定义LoRA模型，速度快10倍，支持风格、人物和物体训练。从概念到模型，只需几分钟而非数小时

Qwen-Image-2512 LoRA 是一个增强的 20B MMDiT 文本转图像模型，支持 LoRA，可快速自定义和精细化图像生成。支持即用型 REST 推理

WaveSpeed视频背景移除器可以替换或移除视频背景，使用自定义图像。上传或粘贴视频链接，然后提供背景图像

Z-Image-Turbo ControlNet 通过结构控制信号(深度、Canny 边缘、姿态)生成图像,实现精确的构图控制。提供开箱即用的 REST 推理

Grok 2 Image 是 xAI 最新的图像生成模型，可以在几秒内将简单的文本提示转换为清晰、逼真的视觉效果。从产品图片到社交

Z-AI CogView-4 从文本提示生成高质量图像,能够快速准确地理解用户描述,让 AI 更精准地表达图像

GLM-Image Edit 是一个强大的图像转图像编辑模型,可根据文本提示转换图像。开箱即用的 REST 推理 API,最佳性能,无需共

Z-AI GLM Image 从文本提示生成高质量图像，增强了对用户描述的理解，生成的图像更加精确

使用 Kling 2.6 运动控制进行舞蹈动画的实用技巧——设置、身体部位优先级、节拍对齐，以及脚滑动和抖动的修复方法。