UniFluid 是谷歌 DeepMind 和麻省理工學院聯合推出的，統一的自回歸框架，用在聯合視覺生成和理解任務。基于連續視覺標記處理多模態圖像和文本輸入，生成離散...

Multi-Speaker是AudioShake推出的全球首個高分辨率多說話人分離模型。支持將音頻中的多個說話人精準分離到不同軌道，解決傳統音頻工具在處理重疊語音時的難題...

UniAct 是新型的具身基礎模型框架，解決不同機器人之間行為異構性的問題。通過學習通用行為，捕捉不同機器人共享的原子行為特征，消除因物理形態和控制接口差...

ReCamMaster 是浙江大學、快手科技等聯合推出的視頻重渲染框架，能根據新的相機軌跡重新生成視頻內容。通過預訓練模型和幀維度條件機制，結合多相機同步數據...

AiSlides.chat 是基于AI技術的對話式 PPT 制作工具。用戶用自然語言輸入需求或粘貼現有內容，AI 自動分析生成 PPT 大綱、逐頁設計幻燈片，提供實時修改功能。...

Stable Virtual Camera 是 Stability AI 推出的 AI 模型，能將 2D 圖像轉換為具有真實深度和透視感的 3D 視頻。用戶可以通過指定相機軌跡和多種動態路徑（如...

Cube 3D 是 Roblox 推出的AI 3D生成大模型，基于 AI 技術高效生成 3D 模型和環境。Cube 3D支持直接從文本描述生成完整的 3D 對象，與游戲引擎兼容。Cube 3D能...

AI Companion 是 Zoom 推出AI智能助手，基于記憶、推理、任務執行和協調四大功能，成為整個 Zoom 平臺上的代理，幫助用戶從重復繁瑣的工作中解脫出來。AI Com...

SmolDocling（SmolDocling-256M-preview ）是高效輕量級的多模態文檔處理模型。能將文檔圖像端到端地轉換為結構化文本，支持文本、公式、圖表等多種元素識別...

GR00T N1 是英偉達推出的全球首個開源基礎模型，專為通用人形機器人設計。基于多模態輸入（如語言和圖像）實現多樣化環境中的操作任務。GR00T N1 基于大規模...

SVG Converter是在線矢量化工具，支持將多種位圖圖像（如JPG、PNG、BMP等）快速轉換為矢量圖形（如SVG、AI、EPS、PDF等）。SVG Converter支持多種文件格式，...

TokenFD是上海交通大學聯合美團推出的細粒度圖文對齊基礎模型，主要用于文檔理解任務。通過Token級對齊，實現了圖像Token與語言Token在同一特征空間中的共享...

Noiz AI 是 AI 語音克隆與合成工具，專注于為用戶提供高效、個性化的語音解決方案。基于自研的超大語音模型，能在3-10秒內通過簡短錄音克隆出與真人無異的聲...

LangManus 是 AI 自動化框架，基于分層多智能體系統設計。包含多種智能體，如協調員、規劃員、研究員、程序員等，各司其職，協同完成復雜任務。框架支持多種...

Claude 3.7 Max 是 Cursor 推出的專為復雜代碼任務設計的最新 AI 模型，稱為史上最強代碼助手。基于 Claude 3.7 思考模型，具備 200k 超大上下文窗口，支持處...