排序
MiniCPM-o2.6-面壁智能开源的多模态大模型，性能媲美GPT-4o
MiniCPM-o 2.6是什么 MiniCPM-o 2.6 是MiniCPM-o 系列最新、性能最佳的多模态大模型，具有 8B 参数量。MiniCPM-o 2.6在视觉、语音和多模态直播等多个领域表现出色，达到与 GPT-4o 相当的性能水...
3个月前FlowiseAI-AI应用构建工具，拖拽可视化组件自定义LLM应用
FlowiseAI是什么 Flowise 是开源的低代码或无代码拖放工具，通过拖拽可视化组件，用户可以快速构建自定义的 LLM 应用程序。提供了一套易于使用的工具和组件，无需或仅需少量编码，用户能够快速...
3个月前LlamaV-o1-多模态视觉推理模型，采用逐步推理学习方法解决复杂任务
LlamaV-o1是什么 LlamaV-o1是阿联酋穆罕默德·本·扎耶德人工智能大学等机构提出的新多模态视觉推理模型，旨在提升大型语言模型的逐步视觉推理能力。引入视觉推理链基准测试VRC-Bench，包含超40...
3个月前Kokoro-TTS-轻量级文本转语音模型，支持多语言多语音风格生成
Kokoro-TTS是什么 Kokoro-TTS 是 hexgrad 开发的轻量级文本转语音（TTS）模型，具有 8200 万参数。基于 StyleTTS 2 和 ISTFTNet 的混合架构，采用纯解码器设计，不使用扩散模型，降低了计算复杂...
3个月前KHOJ-开源AI个人化助手，一站式知识管理工具
KHOJ是什么 KHOJ是开源的个人化AI助手，帮助用户整合和检索知识。支持连接用户的在线和本地文档，如PDF、Markdown、纯文本、GitHub和Notion文件等，通过语义搜索功能，快速找到所需信息。Khoj支...
3个月前LumaRay2-LumaAI推出的最新视频生成模型
Luma Ray2是什么 Luma Ray2 是 Luma AI 推出的最新视频生成模型，Ray2 基于 Luma 新的多模态架构训练后展现出先进功能，该架构的计算能力是 Ray1 的 10 倍。能生成快速连贯的运动、超逼真的细节...
3个月前RAIN-视频流制作实时动画生成和真人表情移植解决方案
RAIN是什么 RAIN（Real-time Animation Of Infinite Video Stream）是创新的实时动画解决方案，旨在基于消费级硬件，如单个RTX 4090 GPU，实现无限视频流的实时动画化。核心在于高效地计算不同...
3个月前Aibiye-AI论文写作平台，提供从开题报告到完整论文的生成服务
Aibiye是什么 Aibiye是AI论文写作辅助平台，基于Multimodal+Global Thought Chain语言模型，为用户提供从开题报告到完整论文的生成服务。用户只需输入关键词、选择专业和字数，甚至上传开题报告...
3个月前TestSprite-AI软件测试平台，自动理解测试对象生成测试计划和代码
TestSprite是什么 TestSprite 是全自主 AI 软件测试平台，能自动完成从理解测试对象到生成测试报告的全流程。TestSprite 基于检查对象、解读文档及自然语言输入来理解测试对象，自动生成测试计...
3个月前朱雀AI检测-腾讯推出的AI图像和文本鉴别工具
朱雀AI检测是什么 朱雀AI检测是腾讯混元安全团队朱雀实验室推出的AI检测工具，包括AI生成图片检测系统和AI生成文本检测系统，旨在识别AI生成的图片和文本内容。AI生成图片检测系统，通过捕捉真...
3个月前万物追踪-Huigu推出的生成式AI信息推送应用
万物追踪是什么 万物追踪是Huigu推出的生成式AI驱动的信息推送应用，万物追踪能从全球海量数据中精准捕捉用户关心的各类事件，如政策变化、产品折扣、股票动态、赛程信息等，即时生成定制内容推...
3个月前Pipecat-构建语音和多模态对话代理的开源框架
Pipecat是什么 Pipecat是开源的Python框架，专注于构建语音和多模态对话代理。基于内置的语音识别、文本转语音（TTS）和对话处理功能，简化AI服务的复杂协调、网络传输、音频处理和多模态交互，...
3个月前RealtimeSTT-AI实时语音转文本库，自动检测说话的开始与结束
RealtimeSTT是什么 RealtimeSTT是开源的实时语音转文本库，专为低延迟应用设计。有强大的语音活动检测功能，可自动识别说话的开始与结束，通过WebRTCVAD和SileroVAD进行精准检测。同时支持唤醒...
3个月前StepR-mini-阶跃星辰推出的Step系列首个推理模型
Step R-mini是什么 Step R-mini（全称Step Reasoner mini）是阶跃星辰推出的推理模型， 是 Step 系列模型家族的首个推理模型，擅长主动规划、尝试和反思，基于慢思考和反复验证的逻辑机制，为用...
3个月前GLM-Realtime-智谱推出的端到端多模态模型
GLM-Realtime是什么 GLM-Realtime是智谱推出的全新端到端多模态模型，具备低延迟的视频理解与语音交互能力，特别融入清唱功能，让大模型在对话中能展现歌唱才能。模型支持长达2分钟的内容记忆以...
3个月前CogView-3-Flash-智谱推出的首个免费AI图像生成模型
CogView-3-Flash 是什么 CogView-3-Flash 是智谱推出的首个免费AI图像生成模型，能根据文本描述生成高审美分数的图像，支持多种分辨率，满足专业领域需求。模型具备创意多样性，基于用户输入生...
3个月前MangaNinja-基于参考图像的线稿着色技术
MangaNinja是什么 MangaNinja是基于参考图像的线稿上色方法，具备精准匹配和细致控制的能力。通过创新的补丁重排模块和点驱动控制方案，提升了上色的准确性与图像质量。能应对多样化的上色挑战...
3个月前AutoMouser-AIChrome扩展程序，实时交互跟踪自动生成测试代码
AutoMouser是什么 AutoMouser是Chrome扩展程序，能智能地跟踪用户交互，基于OpenAI的GPT模型自动生成Selenium测试代码。通过记录用户的浏览器操作，如点击、拖动、悬停等，将其转化为结构清晰、...
3个月前CogVideoX-Flash-智谱推出的首个免费AI视频生成模型
CogVideoX-Flash是什么 CogVideoX-Flash 是智谱推出的首个免费AI视频生成模型，继承CogVideoX自研的端到端视频理解模型，具备强大的视频生成能力。CogVideoX-Flash支持文生视频，依据输入的文本...
3个月前Mini-InternVL-上海AILab联合清华等机构推出的轻量级多模态大模型
Mini-InternVL是什么 Mini-InternVL是“迷你版”书生·万象大模型，是上海AI实验室与清华大学、南京大学等机构联合推出的轻量级多模态大型语言模型系列，包含1B、2B和4B三个参数版本，用较小的...
3个月前