SuperAPI AI 工具集35,738 个结果 · 第 282 / 993 页
Live Photo video 是一个在线 LivePhoto 编辑与转换工具平台，主要提供视频转 LivePhoto、LivePhoto 转 GIF、GIF 转 LivePhoto，以及用 AI 为静态照片添加动画效果、制作动态锁屏壁纸等功能。用户可将喜欢的短视频或 GIF 转换为 LivePhoto，用于 iPhone 锁屏壁纸或社交分享；也可将 iPhone 拍摄的 LivePhoto 转为 GIF 或短视频，方便在各类社交平台传播。平台还提供裁剪、尺寸调整、多格式输出等选项，并配有 LivePhoto 设置教程与常见问题说明。
Live Portrait 是一款视频驱动的肖像动画框架，可将单张静态肖像照片转化为逼真动态视频。它由快手科技、中国科学技术大学和复旦大学的研究者开发，基于隐式关键点框架和 vid2vid 模型，能从驱动视频中提取面部表情和头部姿态运动，并迁移到源肖像上。该工具支持多风格动画、跨身份重演（cross-reenactment）、自重建（self-reenactment）、眼球开合与唇部位置精确控制，以及视频到视频的人脸编辑。它使用拼接（stitching）和重定向（retargeting）模块，通过小型 MLP 实现对表情和运动的细粒度控制。Live Portrait 在 RTX 4090 GPU 上使用 PyTorch 达到 12.8ms 的生成速度，训练使用了约 6900 万高质量帧。用户可上传肖像图片和驱动视频，三步生成动画。该工具提供免费试用，适用于肖像动画、视频编辑等多种场景，也可微调用于动物动画。
历史第三方摘要：Live Portrait 用于为静态人像照片添加动态效果。
Liveblocks MCP 服务器是一个基于 MCP 协议的工具，允许 AI 调用 Liveblocks REST API 的部分功能。它可以创建、修改和删除 Liveblocks 中的房间、线程、评论、通知等内容，并具有对 Storage 和 Yjs 的读取权限。安装时需从项目仪表盘复制 Liveblocks 密钥，并替换命令中的占位符后运行，支持在 Cursor、Claude Desktop 等客户端中配置使用。
LiveChatAI 是一个基于 GPT-4o 的 AI 客服聊天机器人平台，可将企业自有知识库转化为全天候客服代理。它支持导入网页、帮助中心文章、PDF、Notion 页面、YouTube 转录文本或自定义问答，自动训练 AI 并生成回答，官方称可即时解决约 70% 的客户支持查询。平台提供 AI Boost™ 内容增强技术，修正代词、补充上下文，避免碎片化回答；能识别联系人属性、细分群体和受众数据，针对不同客户类型（如免费用户、企业客户、欧盟用户）给出差异化回复。AI Actions 支持触发 webhook、Zapier/Make 流程、推送数据至 CRM 或跳转个性化 URL，无需代码。支持 95 种语言即时本地化，可嵌入网站（浮动气泡、全页聊天、iframe 内联），也可作为 Slack 和 WhatsApp 聊天机器人使用。提供预览测试、品牌定制、人工无缝转接、API 集成等功能。适用于电商、教育平台、企业内部支持等场景，帮助团队减少重复性工单，专注复杂问题。
livemy.app 是一个面向非运维用户的部署平台，可将 GitHub 仓库、ZIP 压缩包或 AI 编程工具（如 Cursor、Lovable）生成的 Web 应用、Docker 容器和开源工具一键部署到线上，无需配置服务器。支持 MCP 集成，可让 AI 智能体直接完成部署并返回 URL。提供免费方案（每次部署后项目在线 24 小时）和付费方案（如 $10/月 Maker 含 5 个项目、无限流量、24/7 在线）。平台自动检测技术栈、配置 SSL、监控和自动重启，适合创始人、设计师和独立开发者快速上线项目。
Livewello 是一个整合个人基因数据、健康记录与个性化指导的健康智能平台，通过上传 DNA 数据、跟踪健康指标，帮助用户理解常规血液检查可能忽略的信息，并提供个性化健康报告与 AI 驱动的洞察。
Living images 是一款面向网站图片的生成式 AI 优化工具，据资料称通过 A/B 测试来优化网站图片。目前公开资料有限，具体功能、使用方式与限制暂未提供。
Lixsa ai 是一个 AI 客服平台，资料显示其用于自动化任务并增强客户互动。目前可确认的信息有限，暂未提供具体功能、使用方式、适用场景、平台支持、收费模式或价格等细节。
lizard-mcp 是一个 MCP（Model Context Protocol）服务器，用于在 Lizard（lizard.build）平台上部署和管理应用。它可以让 ChatGPT、Claude 或其他 MCP 客户端通过自然语言完成发布服务、读取日志、设置密钥、扩缩容副本以及绑定域名等操作。该服务器提供 33 个工具，支持 OAuth 2.1 认证，破坏性操作需要显式确认。
Llama Hub 是面向 LlamaIndex（曾称 GPT Index）与 LangChain 的数据加载器（data loaders）集合仓库，用于集中查找和获取各类数据加载器。该站点页面现已提示 LlamaHub 已迁移，LlamaIndex 集成可前往 developers.llamaindex.ai 浏览。除此之外，资料未提供更多关于具体加载器数量、支持数据源、安装方式或收费情况的信息。
llama3-from-scratch 是一个从零实现 Llama 3 模型的开源项目，作者 naklecha 以“一次一个矩阵乘法”的方式，逐步展示 Llama 3 的推理过程。项目不依赖高级神经网络框架，而是直接读取 Meta 提供的模型权重文件，手动实现张量操作、RMS 归一化、旋转位置编码（RoPE）、多头注意力、前馈网络等核心组件。代码使用 tiktoken 作为分词器，并详细注释了每一步的张量形状变化，适合希望深入理解 Transformer 架构和 Llama 3 内部机制的开发者学习。项目需要提前下载 Llama 3 权重，并遵循 Meta 的许可协议。
Llamaberry 是一个基于 Groq 平台 Llama 3.1 70B 模型实现的多轮思维链（Chain of Thought，CoT）推理系统。它把用户提出的问题依次经过三轮推理：第一轮进行初步头脑风暴，第二轮在第一轮基础上进行细化完善，第三轮进一步深化，最后将三轮结果综合成一个结论。项目提供用户友好的界面，能够展示每一轮的思考过程，并同时给出简洁与详细两种风格的答案，此外还会显示推理耗时等指标。使用该项目需要 Groq API 密钥。
LlamaChat 是一款原生 macOS 应用，让你在 Mac 本地与 LLaMA、Alpaca 和 GPT4All 模型聊天。它基于 llama.cpp 和 llama.swift 构建，支持导入原始 PyTorch .pth 检查点或 .ggml 格式模型，并可在应用内完成格式转换。应用要求 macOS 13 Ventura 及 Intel 或 Apple Silicon 处理器，提供直接下载的 .dmg 安装包，也可从源码构建。聊天历史会持久保存，支持随时清除历史与模型上下文；还附带 7 个趣味头像、自动生成聊天源名称以及查看模型上下文的调试功能。LlamaChat 不附带任何模型文件，需用户自行按各自条款获取。
llamafile 是 Mozilla 发起、由 Mozilla.ai 继续推进的项目，目标是把大型语言模型（LLM）的部署与运行复杂度压缩成单个可执行文件。它通过将 llama.cpp 与 Cosmopolitan Libc 结合，把模型、推理引擎和运行环境封装进一个文件，用户无需安装即可在多数操作系统和 CPU 架构上本地运行。项目还衍生出 whisperfile，用于单文件语音转文字。
Llamaroo 是一款面向小学教育的 AI 课程生成工具，可将任意主题转化为安全、故事驱动、游戏化的学习冒险，帮助教师、学校和家长快速创建符合课程标准的课程内容。
LLENA(AI)® 是一个以“个性化 AI 营养”为定位的工具，官网自称用于改善健康与糖尿病管理（Personalized AI Nutrition for Better Health and Diabetes Management）。目前可确认的信息仅包括产品名称、官网地址及其自我描述，具体功能、使用方式、支持平台、收费情况、适用人群与实际效果等细节均暂未提供。
LLM Explorer 是一个精选的大语言模型清单，用于浏览与探索开源 LLM 模型，站点地址为 https://llm.extractum.io/。
LLM Gateway 是一个开源 LLM API 网关，通过一个兼容 OpenAI 的 API，把请求路由到 40 多家提供商（包括 OpenAI、Anthropic、Google）的 250 多个模型。用户可以沿用现有 OpenAI SDK 代码，只需更换 base URL；同时支持多提供商接入、成本与延迟等性能监控、密钥集中管理、自托管或云端部署，并具备缓存、故障转移、防护栏、SSO、审计日志、花费上限等功能。企业版支持按总部国家、数据保留和训练政策筛选提供商。
LLM Labs 是一个面向开发者的语言模型对比工具，托管于 labs.fprime.ai。根据现有资料，其核心用途是帮助开发者并排比较不同的语言模型，以便在选型时做出更有依据的决策。资料未提供具体支持的模型清单、对比维度、使用方式、收费模式或平台限制等信息，这些内容暂未提供。
中文介绍正在整理，稍后补充。
LLM Optimize 是一款面向网站的审计工具，目标是帮助网站提升在 AI 推荐结果与生成式引擎中的排名表现。根据现有资料，它被定位为“Website audit tool”，即对网站进行审计，以改善其在 AI 推荐和生成式引擎中的可见度与排名。其官方网站为 https://llmoptimize.app/。关于具体审计维度、支持平台、使用流程、是否收费、价格方案、技术原理及效果数据，资料中暂未提供。
Llm playground 是一个免费的 AI 聊天平台，用于测试多种大型语言模型（LLM）。用户可在同一界面切换不同模型进行对话体验。
LLM Price Tools 是一个面向大语言模型（LLM）的简单价格计算与比较工具，主要用于按 token 计算和对比不同 LLM 模型的价格。用户可通过其官网 https://www.llmprice.cc/ 使用该工具。目前关于其具体支持的模型列表、计费规则、使用步骤、平台限制及收费方式等详细信息暂未提供。
Llm pricing 是一个用于比较各类大型语言模型（LLM）定价与规格的平台，网址为 https://llm-price.com/。该平台支持对 GPT、Claude、Gemini、Llama 及其他 LLM 的输入、输出和总 token 成本进行对比，并可根据使用量估算 API 费用。用户可输入预期的输入与输出 token 数量（以百万 token 为单位，输入 1 表示 1,000,000 个 token），费用估算即时更新。估算方式为：输入 token 数乘以该模型的输入费率，输出 token 数乘以输出费率，两者相加得到总费用。平台还提供可用模型列表、按提供商筛选、按成本列排序等功能，并可对比上下文长度、支持的模态和任务质量。平台说明指出，特定提供商的费用、折扣、缓存、工具、图片及其他附加项可能另行计费；提供商通常对生成输出定价更高，因为生成需要顺序计算；模型规格和价格来自上游模型目录，来源服务可用时按六小时缓存周期刷新；费率可能变动，购买前应核实提供商当前价格。
Llm token counter 是一款基于浏览器的工具，用于计算各类大语言模型（LLM）的 token 数量。用户无需安装任何软件，直接在浏览器中打开即可使用，适合需要估算文本 token 消耗的开发者、提示词工程师及 AI 应用使用者。
LLM Use Case Leaderboard 是一个展示大语言模型（LLM）应用案例的排行榜网站。它汇集了各类 LLM 实际使用场景，并以榜单形式呈现，便于用户浏览、比较不同用例。该网站属于 AI 开发平台/AI 框架相关工具，适合开发者、研究人员及对 LLM 应用感兴趣的人士参考。目前关于该排行榜的详细评估维度、排名依据、收录方式、是否收费等信息暂未提供。
llm-app 是 Pathway Live Data Framework 提供的即用型云模板集合，用于构建 RAG（检索增强生成）、AI 数据管道和企业搜索应用，支持实时数据同步与大规模部署。
LLM-Dojo 是一个轻量级的大语言模型后训练（Post-training）框架，支持 SFT、RLVR、On-Policy KD、Guide KD 以及混合训练。它基于 OpenRLHF 构建，核心部分为 openrlhf-kd，精简了 RLVR 部分并移除了 critic 等组件，同时增加了知识蒸馏（KD）、Guide-KD 与 reward 的混合训练，支持按 datasource 路由。根目录的 SFT 部分提供简洁的训练入口，适合快速微调实验，支持 LoRA、QLoRA 和全参微调，并能自动适配 chat template。
LLM-eval-survey 是大语言模型评估综述论文《A Survey on Evaluation of Large Language Models》的官方 GitHub 仓库，用于汇总和整理 LLM 评估相关论文与资源。该仓库按照综述的章节结构组织论文，涵盖评估什么（What to evaluate）和在哪里评估（Where to evaluate）等维度，并持续收录自然语言处理、鲁棒性、伦理、偏见与可信度、社会科学、自然科学与工程、医疗应用、智能体应用等方向的评估文献。仓库同时提供相关项目链接，如面向大语言模型鲁棒性评估的 PromptBench 和 LLM-eval。
Manifest LLM Gateway 是一个面向 AI 智能体与应用的开源 LLM 网关。它可将 API 密钥、订阅和本地模型统一接入一个兼容 OpenAI 的端点，让每次查询自动路由到合适的模型，避免被单一供应商锁定。主要能力包括自定义路由、成功与错误消息的完整请求体日志、费用追踪与限额通知、查询失败时自动回退到其他模型并自愈错误请求。支持通过 Docker 镜像自托管，也提供 Railway、Render、AWS、GCP、Fly.io 等多种一键部署方式。可连接 300 多个模型，内置 35 个提供商连接，并支持任意兼容 OpenAI/Anthropic 的自定义端点。
LLM-Travel 是一个专注于大语言模型（LLM）技术学习与实现的 GitHub 开源仓库。该仓库致力于深入理解、探讨以及实现与大模型相关的各种技术、原理和应用，通过清晰深入的技术文章揭示大语言模型背后的数学、算法和架构，并为每篇实践性技术文章配置相应的实践代码，帮助读者更好地理解和实现相关技术。仓库同时欢迎使用者提出问题、分享想法以及反馈希望看到的内容，形成围绕大语言模型的学习与讨论空间。
llm-usage-mcp 是一个本地优先的多提供商 LLM API 成本追踪工具，用于记录和查询在 Anthropic、OpenAI、Qwen、DeepSeek 等平台上的 API 调用花费。它通过本地 SQLite 数据库存储每次调用的 token、费用、延迟等数据，并以 MCP 服务器和 CLI 两种方式暴露给编码智能体或命令行用户。支持跨提供商成本比较、按周/月/年汇总支出、以及人民币与美元汇率换算。该工具强调隐私、无遥测、无注册，只做成本计量，不改变或路由任何调用。
LLM Arena 是一个用于并排比较大型语言模型（LLM）的工具，主要提供模型间的对比、价格查看与功能分析，帮助用户在选择语言模型时进行横向参考。其官网为 https://llmarena.ai/，具体使用方式、收费情况与功能细节暂未提供。
Llmate 是一款基于 AI 的营销数据分析平台，主打将营销数据转化为可执行洞察并简化报告流程。公开资料未提供具体功能细节、收费方式与使用步骤。
LLMBox 是一个面向大语言模型（LLM）的综合实现库，提供统一的训练流程与全面的模型评估能力，旨在成为训练和使用 LLM 的一站式解决方案。它支持多种训练策略（SFT、预训练、PPO、DPO）、9 种 SFT 数据集、分词器词表合并、数据构建策略（Self-Instruct、Evol-Instruct）、参数高效微调（LoRA、QLoRA）、Flash Attention 与 Deepspeed 高效训练，以及通过 KV Cache 管理或 vLLM 加速本地推理（最高 6 倍）。评估方面覆盖 59+ 常用数据集与基准，支持多种评估方法、上下文学习策略（KATE、GlobalE、APE）、思维链评估（base、least-to-most、pal）以及 BitsAndBytes 和 GPTQ 量化。该库由 AI Box 开发维护，采用 MIT 许可证。