AI工具

HumanOmni 是专注于人类中心场景的多模态大模型，视觉和听觉模态融合而成。通过处理视频、音频或两者的结合输入，能全面理解人类行为、情感和交互。模型基于...

Spark-TTS 是SparkAudio 团队开源的基于大型语言模型（LLM）的高效文本转语音（TTS）工具， 无需额外的生成模型，直接从 LLM 预测的编码中重建音频，实现零样...

ViDoRAG是阿里巴巴通义实验室联合中国科学技术大学和上海交通大学推出的视觉文档检索增强生成框架。基于多智能体协作和动态迭代推理，解决传统方法在处理复杂...

Shandu 是开源的 AI 研究自动化工具，结合了 LangChain 和 LangGraph 技术，能自动化地进行多层次信息挖掘和分析，生成结构化的研究报告。Shandu 的核心功能...

Mochii AI 是多功能的智能AI助手，通过先进的人工智能技术提升用户的生产力和创造力。支持多种高级AI模型，如GPT-4、Claude 3.5和Gemini，能提供智能对话、语...

LCVD（Lighting Controllable Video Diffusion Model）是四川大学推出的高保真、光照可控的肖像动画生成框架。LCVD基于分离肖像的内在特征（如身份和外观）与...

SepLLM是香港大学、华为诺亚方舟实验室等机构联合提出的用于加速大语言模型（LLM）的高效框架，通过压缩段落信息并消除冗余标记，显著提高了模型的推理速度和...

story-flicks 是基于AI大模型的项目，支持一键生成高清故事短视频。用户输入故事主题后，系统基于AI技术生成包含图像、文本、音频和字幕的短视频。story-flic...

海螺视频APP是MiniMax推出的AI视频生成工具，基于AI技术帮助用户生成高质量视频内容。海螺视频APP支持文生视频（T2V）和图生视频（I2V）功能，用户输入文本或...

Alexa+是亚马逊推出的新一代智能助手，基于云生成式AI技术全面升级。Alexa+基于先进的架构连接大规模语言模型（LLMs）、代理能力、服务和设备，实现更自然、...

Avat3r 是慕尼黑工业大学和 Meta Reality Labs 推出的高保真三维头部头像的大型可动画高斯重建模型，仅需几张输入图像，能生成高质量且可动画化的 3D 头部头...

WhisperChain 是开源的语音识别工具，基于语音输入提升工作效率。WhisperChain用 Whisper.cpp 实现实时语音识别，将语音转换为文本，基于 LangChain 对文本进...

Turbolearn 是AI学习工具，基于AI技术将录音和PDF文件转化为高效的学习资料，如笔记、闪卡、测验和播客。Turbolearn支持笔记中插入表格、表情符号、图表和公...

星火医疗大模型X1是科大讯飞发布的深度推理大模型，专门针对医疗领域设计，具备强大的复杂问题处理能力。模型通过深度推理算法，能逐步解释循证过程，显著降...

T2V-01-Director 是海螺AI（MiniMax）推出的文本到视频生成工具，专注于通过自然语言指令实现精准的镜头运动控制。支持用户在生成视频时，通过简单的文字描述...