ARTalk是東京大學(xué)和日本理化學(xué)研究所推出的新型語音驅(qū)動3D頭部動畫生成框架，基于自回歸模型實現(xiàn)實時、高同步性的唇部動作和自然的面部表情及頭部姿勢生成。A...

HumanOmni 是專注于人類中心場景的多模態(tài)大模型，視覺和聽覺模態(tài)融合而成。通過處理視頻、音頻或兩者的結(jié)合輸入，能全面理解人類行為、情感和交互。模型基于...

Spark-TTS 是SparkAudio 團隊開源的基于大型語言模型（LLM）的高效文本轉(zhuǎn)語音（TTS）工具， 無需額外的生成模型，直接從 LLM 預(yù)測的編碼中重建音頻，實現(xiàn)零樣...

ViDoRAG是阿里巴巴通義實驗室聯(lián)合中國科學(xué)技術(shù)大學(xué)和上海交通大學(xué)推出的視覺文檔檢索增強生成框架。基于多智能體協(xié)作和動態(tài)迭代推理，解決傳統(tǒng)方法在處理復(fù)雜...

Shandu 是開源的 AI 研究自動化工具，結(jié)合了 LangChain 和 LangGraph 技術(shù)，能自動化地進行多層次信息挖掘和分析，生成結(jié)構(gòu)化的研究報告。Shandu 的核心功能...

Mochii AI 是多功能的智能AI助手，通過先進的人工智能技術(shù)提升用戶的生產(chǎn)力和創(chuàng)造力。支持多種高級AI模型，如GPT-4、Claude 3.5和Gemini，能提供智能對話、語...

LCVD（Lighting Controllable Video Diffusion Model）是四川大學(xué)推出的高保真、光照可控的肖像動畫生成框架。LCVD基于分離肖像的內(nèi)在特征（如身份和外觀）與...

SepLLM是香港大學(xué)、華為諾亞方舟實驗室等機構(gòu)聯(lián)合提出的用于加速大語言模型（LLM）的高效框架，通過壓縮段落信息并消除冗余標(biāo)記，顯著提高了模型的推理速度和...

story-flicks 是基于AI大模型的項目，支持一鍵生成高清故事短視頻。用戶輸入故事主題后，系統(tǒng)基于AI技術(shù)生成包含圖像、文本、音頻和字幕的短視頻。story-flic...

海螺視頻APP是MiniMax推出的AI視頻生成工具，基于AI技術(shù)幫助用戶生成高質(zhì)量視頻內(nèi)容。海螺視頻APP支持文生視頻（T2V）和圖生視頻（I2V）功能，用戶輸入文本或...

Alexa+是亞馬遜推出的新一代智能助手，基于云生成式AI技術(shù)全面升級。Alexa+基于先進的架構(gòu)連接大規(guī)模語言模型（LLMs）、代理能力、服務(wù)和設(shè)備，實現(xiàn)更自然、...

Avat3r 是慕尼黑工業(yè)大學(xué)和 Meta Reality Labs 推出的高保真三維頭部頭像的大型可動畫高斯重建模型，僅需幾張輸入圖像，能生成高質(zhì)量且可動畫化的 3D 頭部頭...

WhisperChain 是開源的語音識別工具，基于語音輸入提升工作效率。WhisperChain用 Whisper.cpp 實現(xiàn)實時語音識別，將語音轉(zhuǎn)換為文本，基于 LangChain 對文本進...

Turbolearn 是AI學(xué)習(xí)工具，基于AI技術(shù)將錄音和PDF文件轉(zhuǎn)化為高效的學(xué)習(xí)資料，如筆記、閃卡、測驗和播客。Turbolearn支持筆記中插入表格、表情符號、圖表和公...

星火醫(yī)療大模型X1是科大訊飛發(fā)布的深度推理大模型，專門針對醫(yī)療領(lǐng)域設(shè)計，具備強大的復(fù)雜問題處理能力。模型通過深度推理算法，能逐步解釋循證過程，顯著降...