Ultravox – 端到端多模态大模型，直接理解文本和人类语音
Ultravox是新型的多模态大型语言模型（LLM），能直接理解文本和人类语音，无需依赖单独的自动语音识别（ASR）阶段。基于多模态投影器技术将音频数据转换为高...
AI工具
2年前 (2024)
Speak APP – AI英语学习应用，与AI实时互动模拟真实口语对话场景
Speak APP是一款AI英语学习应用，主打口语练习功能。Speak APP模拟真实对话场景，让用户与AI进行互动，实时获得发音、语法和词汇的反馈。Speak结合OpenAI的Wh...
AI工具
2年前 (2024)
星流AI – LiblibAI 推出的一站式 AI 图像生成平台
星流AI是LiblibAI推出的一站式AI图像生成平台，基于自研的Star-3 Alpha通用图像生成模型，结合全球最大的LoRA增强模型库和先进的AI图像控制技术。为设计师、...
AI工具
2年前 (2024)
MMAudio – 基于多模态联合训练实现高质量 AI 音频合成项目
MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精...
AI工具
2年前 (2024)
YouTube Dubbing – AI浏览器插件，一键翻译国外视频用熟悉语言播放
YouTube Dubbing是在线观看国外视频的浏览器插件，基于智能同步配音和AI字幕技术，对字幕进行翻译并直接将翻译后的内容播放出来，免去盯着字幕的烦恼，消除观...
AI工具
2年前 (2024)
Gendo – AI建筑可视化平台，快速将草图或概念图转化成可视化图像
Gendo是AI驱动的建筑可视化平台，基于生成式AI技术，如GANs和Diffusion模型，快速创建高度逼真的建筑概念图。平台能集成到设计工作流程中，支持设计师在项目...
AI工具
2年前 (2024)
ChatTTSPlus – 开源文本转语音工具，ChatTTS扩展版支持语音克隆
ChatTTSPlus是ChatTTS的扩展版本，基于集成TensorRT加速、语音克隆和移动模型部署等先进技术，提升语音合成的性能和灵活性。在Windows平台上，能实现超过3倍...
AI工具
2年前 (2024)
书生·万象InternVL 2.5 – 上海 AI Lab 开源的多模态大语言模型系列
书生·万象InternVL 2.5是上海AI实验室的OpenGVLab团队推出的开源多模态大型语言模型（MLLM）系列。该系列模型在InternVL 2.0的基础上进行显著增强，特别是在...
AI工具
2年前 (2024)
Gemini 2.0 – 谷歌推出的原生多模态输入输出 + Agent 为核心的AI模型
Gemini 2.0是谷歌最新推出的原生多模态输入输出的AI模型。Gemini 2.0 Flash是2.0家族第一个模型，以多模态输入输出和Agent技术为核心，速度比 1.5 Pro快两倍...
AI工具
2年前 (2024)
塔猫AI对话PPT – AI PPT分析工具，快速解析PPT内容、与PPT对话获取信息
塔猫AI对话PPT是塔猫AI推出的新一代智能PPT分析工具，基于深度学习算法和自然语言处理技术，实现对PPT内容的语义理解和上下文分析，为用户带来全新的办公体验...
AI工具
2年前 (2024)