AI工具
AI工具集介绍和收录了当前最新的AI产品，紧跟最新AI领域的进展，介绍了AI产品的主要功能、如何使用和主要应用场景，快速了解最新AI产品发展趋势。
SpatialLM – 群核科技开源的空间理解多模态模型
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，...
AI工具
2年前 (2025)
gpt-4o-mini-transcribe – OpenAI 推出的语音转文本模型
gpt-4o-mini-transcribe 是 OpenAI 推出的语音转文本模型，gpt-4o-transcribe的精简版。gpt-4o-mini-transcribe 基于 GPT-4o-mini 架构，用知识蒸馏技术从大...
AI工具
2年前 (2025)
Agent TARS – 字节跳动开源的多模态 AI Agent 项目
Agent TARS 是字节跳动开源的多模态 AI 代理工具。基于视觉解释网页内容，与浏览器、命令行和文件系统无缝集成，实现复杂任务的规划与执行。Agent TARS 提供...
AI工具
2年前 (2025)
福棠·百川 – 百川智能联合北京儿童等推出的儿科大模型
福棠·百川是是国家儿童医学中心、首都医科大学附属北京儿童医院联合百川智能、小儿方健康共同发布的全球首个儿科大模型。覆盖了儿童常见病及疑难病症的立体化...
AI工具
2年前 (2025)
Tesseract – 开源的光学字符识别引擎，支持多种语言文字识别
Tesseract 是开源的光学字符识别（OCR）引擎，Google 赞助开发的高精度免费的应用。支持多种语言，能识别 JPEG、PNG、TIFF 等常见图像格式中的文字内容。
AI工具
2年前 (2025)
GPT-4o mini TTS – OpenAI 推出的文本转语音模型
GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持将文本内容转换为自然流畅语音的同时，开发者能用指令控制语音的语调、情感和风格，例如“平静”“...
AI工具
2年前 (2025)
gpt-4o-transcribe – OpenAI 推出的语音转文本模型
gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降低单词错误率（...
AI工具
2年前 (2025)
Kimi招聘助手 – 月之暗面推出的飞书字段捷径AI工具
Kimi 招聘助手是月之暗面推出的飞书字段捷径AI工具，为 HR 提供高效招聘支持。通过强大的文本分析能力，实现“简历信息提取-候选人匹配评测-面试建议生成”的一...
AI工具
2年前 (2025)
HuggingSnap – Hugging Face 推出的 AI 助手，能离线识别视觉内容
HuggingSnap 是 Hugging Face 推出的 AI 助手应用，基于轻量级多模态模型 SmolVLM2，参数规模从 2.56 亿到 22 亿不等，能离线处理图像、视频和文本输入，生成...
AI工具
2年前 (2025)
Uthana – AI 3D角色动画生成平台，文字描述角色动作生成逼真动画
Uthana 是专注于3D角色动画生成的AI平台。平台基于简单的文字描述、参考视频或动作库搜索，快速为用户生成逼真的动画，支持适配任何骨骼结构的模型。Uthana ...
AI工具
2年前 (2025)