Elmo Chat 是 Lepton AI 推出的 Chrome 擴展工具，基于AI技術簡化用戶對各類內容的理解和處理。Elmo Chat能快速總結網頁、YouTube 視頻、Google 文檔和 PDF ...

AReaL-boba 是螞蟻技術研究院和清華大學聯合推出的開源強化學習訓練框架。AReaL-boba是 AReaL 的升級版本，降低了強化學習訓練門檻，用戶能輕松訓練推理模型。

MegaTTS 3是字節跳動與浙江大學合作推出的零樣本文本到語音合成系統，采用輕量級擴散模型，參數量僅0.45B，能高效生成高質量語音。系統將語音分解為內容、音...

AutoGLM沉思是智譜推出的首個免費、具備深度研究和操作能力的AI Agent，能模擬人類思維過程，處理復雜的開放式問題。AutoGLM沉思具備強大的推理能力和自主操...

ObjectMover 是香港大學和 Adobe Research 聯合提出的新型圖像編輯模型，解決圖像中物體移動、插入和移除時出現的光照、陰影不協調以及物體失真等問題。將物...

PhysGen3D 是創新的框架，能將單張圖像轉換為交互式的 3D 場景，生成具有物理真實感的視頻。結合了基于圖像的幾何和語義理解以及基于物理的模擬，通過從單張...

Vibe Draw是開源的 AI 3D建模工具，支持將用戶在2D畫布上繪制的涂鴉草圖轉化為精美的3D模型。用戶能用文本提示或繼續繪制迭代優化模型，一鍵導出為標準格式（...

OmniSQL 是開源的文本到 SQL 模型，將自然語言問題高效轉換為 SQL 查詢語句。通過創新的數據合成框架生成了首個百萬量級的文本到 SQL 數據集 SynSQL-2.5M，包...

RoboOS是智源研究院推出的首個跨本體具身大小腦協作框架。基于“大腦-小腦”分層架構，具身大腦RoboBrain負責全局感知與決策，小腦技能庫負責低延遲精準執行，...

Vidu Q1 是清華大學人工智能研究院副院長、生數科技創始人兼首席科學家朱軍教授團隊推出的高可控視頻大模型。在多主體細節可控、音效同步可控、畫質增強等方...

PaddleSpeech 是百度飛槳團隊開源的語音處理工具，提供全面的語音處理功能，包括語音識別、語音合成、聲紋識別、語音翻譯等。PaddleSpeech提供命令行界面、服...

ChatAnyone是阿里巴巴通義實驗室推出的實時風格化肖像視頻生成框架。通過音頻輸入，生成具有豐富表情和上半身動作的肖像視頻。采用高效分層運動擴散模型和混...

Math24o 是中文大模型測評基準 SuperCLUE 開源的高中奧林匹克數學競賽級別的數學推理測評基準。主要用于評估大型語言模型在數學推理方面的能力。使用2024年全...

TripoSG 是 VAST-AI-Research 團隊推出的基于大規模修正流（Rectified Flow, RF）模型的高保真 3D 形狀合成技術， 通過大規模修正流變換器架構、混合監督訓練...

TripoSF是VAST推出的新一代3D基礎模型，突破傳統3D建模在細節、復雜結構和擴展性上的瓶頸。采用SparseFlex表示方法，結合稀疏體素結構，僅在物體表面附近的區...