排序
PaddleSpeech-百度飞桨团队开源的语音处理工具
PaddleSpeech是什么 PaddleSpeech 是百度飞桨团队开源的语音处理工具，提供全面的语音处理功能，包括语音识别、语音合成、声纹识别、语音翻译等。PaddleSpeech提供命令行界面、服务器和流式服务...
1个月前Paper2Code-AI论文自动转为代码的多智能体框架
Paper2Code是什么 Paper2Code 是韩国科学技术院和DeepAuto.ai联合推出的多 Agent 大语言模型（LLM）框架，支持将机器学习领域的科学论文自动转换为可运行的代码仓库。Paper2Code基于三个阶段实...
21天前Swarm-OpenA推出的轻量级多智能体编排框架
Swarm是什么 Swarm是由OpenAI推出的一个实验性框架，旨在构建、编排和部署多智能体系统。基于轻量级的Agent和handoff机制，简化智能体之间的协调和执行过程，让控制更加精细，测试更加便捷。Swa...
3个月前X-Dancer-字节等机构推出音乐驱动的人像舞蹈视频生成框架
X-Dancer是什么 X-Dancer 是字节跳动联合加州大学圣地亚哥分校和南加州大学的研究人员共同推出的音乐驱动的人像舞蹈视频生成框架，支持从单张静态图像生成多样化且逼真的全身舞蹈视频。X-Dancer...
1个月前Eggnog：用AI视频玩历史猜谜游戏的工具
🚀 综合介绍 Eggnog 是一个用 AI 生成视频的网站。它的核心产品“Time Portal”是一个历史猜谜游戏，玩家通过 AI 视频被“传送”到历史场景，猜测时间和地点。Eggnog 由 Sam Plank 和 Jitesh Ma...
43天前BlueLM-V-3B-ViVo联合香港中文大学推出的算法和系统协同设计方法
BlueLM-V-3B是什么 BlueLM-V-3B是vivo AI Lab和香港中文大学MMLab联合推出的算法和系统协同设计方法，支持高效部署多模态大型语言模型（MLLM）至移动设备。模型以小尺寸（2.7B语言参数和400M视...
3个月前Playgroundv3-PlaygroundResearch推出超越人类设计师的文本到图像模型
Playground v3是什么 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2...
3个月前MealSnap-AI饮食分析应用，拍照识别食物自动提供营养信息
MealSnap是什么 MealSnap是基于AI技术帮助用户跟踪和分析饮食习惯的应用程序。用户只需拍摄食物照片，AI可识别食物并提供营养信息，包括卡路里和宏量营养素。能生成饮食报告，帮助用户了解饮食...
3个月前Avaturn-3D虚拟形象生成AI工具，创建高度真实的3D头像和人物形象
Avaturn是什么 Avaturn是一个基于人工智能的3D虚拟形象生成平台，支持用户通过上传照片来创建逼真的3D头像和全身模型。基于深度学习算法简化了个性化3D内容的制作过程，提供了丰富的定制选项，...
3个月前Superhuman-AI电子邮件客户端，帮助用户高效管理邮箱
Superhuman是什么 Superhuman 是一款AI驱动的电子邮件客户端，提高用户处理电子邮件的效率。通过智能分类、快速回复、阅读状态跟踪等功能，帮助用户节省时间提高生产力。Superhuman 专为用 Gmai...
3个月前SpatialLM-群核科技开源的空间理解多模态模型
SpatialLM是什么 SpatialLM 是群核科技开源的空间理解多模态模型，赋予机器人和智能系统类似人类的空间认知能力。通过分析普通手机拍摄的视频，能重建出详细的 3D 场景布局，标注出房间结构、家...
1个月前LAYMANLAW-AI法律助手，自动识别解释法律术语、生成核心摘要
LAYMAN LAW是什么 LAYMAN LAW是AI法律助手工具，能将复杂的法律术语和文件内容转换为通俗易懂的语言，帮助用户快速理解法律文件。用户可以上传PDF格式的法律文件，LAYMAN LAW会自动识别并解释其...
3个月前AnyPaint-AI图像生成工具，识别参考图艺术风格生成相似图片
AnyPaint是什么 AnyPaint是AI图像生成工具，通过AI算法帮助用户将创意转化为视觉作品。AnyPaint支持文本到图像、图像编辑、3D模型等多种功能，适合不同水平的创作者。AnyPaint的特点包括一键AI...
3个月前创音岛-AI音乐创作平台，支持录音转文字、配音、AI写歌
创音岛是什么 创音岛是集录音转文字、配音和AI写歌于一体的音乐创作平台。支持将音频快速转换为文字，便于用户在会议、演讲等场合快速记录信息。创音岛提供多种音色和参数，满足不同配音需求，...
3个月前PDF2Audio：将PDF转换为音频的工具PDF转播客
综合介绍 PDF2Audio 是一个开源项目，旨在将 PDF 文件转换为音频内容，如播客、讲座和摘要。该工具利用 OpenAI 的 GPT 模型进行文本生成和文本到语音转换，用户可以上传多个 PDF 文件，选择不同...
3个月前子曰翻译2.0-网易有道推出的最新翻译大模型
子曰翻译2.0是什么 子曰翻译2.0是网易有道推出的最新翻译大模型，模型在数据、算法和评估三个关键维度进行了系统性升级，实现了翻译质量、效率和鲁棒性的质的飞跃。 在数据层面，有道收集清洗了...
1个月前小猿AI-猿辅导推出的AI学习应用
小猿AI是什么 小猿AI是猿辅导集团旗下的智能教育产品，原名小猿口算，接入了DeepSeek满血版深度推理大模型，具备解题、翻译、写作、问答等多种功能，能为学生提供个性化的学习体验。小猿AI可以...
44天前Text2CAD-AI辅助设计平台，将文本描述设计要求转为高精度CAD模型
Text2CAD是什么 Text2CAD 是创新的在线平台，通过人工智能技术将自然语言描述快速转化为专业 CAD 模型。用户只需用简单的语言描述设计想法，如尺寸、形状和功能要求，Text2CAD 的 AI 引擎可在几...
10天前Text2CAD-AI辅助设计平台，将文本描述设计要求转为高精度CAD模型
Text2CAD是什么 Text2CAD 是创新的在线平台，通过人工智能技术将自然语言描述快速转化为专业 CAD 模型。用户只需用简单的语言描述设计想法，如尺寸、形状和功能要求，Text2CAD 的 AI 引擎可在几...
10天前Vary-toy：开源的小型视觉多模态模型
Vary-toy是什么 Vary-toy是一个小型的视觉语言模型（LVLM），由来自旷视、国科大、华中大的研究人员共同提出，旨在解决大型视觉语言模型（LVLMs）在训练和部署上的挑战。对于资源有限的研究者来...
3个月前