AI項目和框架

Jaaz 是開源的 AI 設計工具，是 Lovart 的本地免費替代品。具備強大的 AI 設計能力，能智能生成設計提示，批量生成圖像、海報、故事板等。Jaaz 支持 Ollama、...

VRAG-RL是阿里巴巴通義大模型團隊推出的視覺感知驅動的多模態RAG推理框架，專注于提升視覺語言模型（VLMs）在處理視覺豐富信息時的檢索、推理和理解能力。基...

TrackVLA是銀河通用推出的產品級端到端導航大模型。模型具備純視覺環境感知、語言指令驅動、自主推理和零樣本泛化能力，能實現從視覺感知到動作輸出的全鏈路...

TEN VAD 是高性能的實時語音活動檢測系統，專為企業級應用設計。TEN VAD能精確地檢測音頻流中的語音活動，具有低延遲、輕量級和高精度的特點。TEN VAD 基于先...

Google AI Edge Gallery 是谷歌推出的實驗性應用，支持讓用戶在本地設備上體驗和使用機器學習（ML）及生成式人工智能（GenAI）模型。應用目前支持在 Android...

從容大模型是云從科技推出的多模態AI模型。模型在國際權威評測平臺OpenCompass的多模態榜單中以80.7分登頂，超越谷歌、OpenAI等頂尖團隊。

DeepEyes 是小紅書團隊和西安交通大學聯合推出的多模態深度思考模型。基于端到端強化學習，實現類似 OpenAI o3 的“用圖思考”能力，無需依賴監督微調（SFT）。...

Circuit Tracer 是 Anthropic 推出的開源工具，用在研究大型語言模型的內部工作機制。Circuit Tracer 基于生成歸因圖（attribution graphs）揭示模型在生成特...

DGM（Darwin G?del Machine）是自改進人工智能系統，通過迭代修改自身代碼來提升性能。DGM從其維護的編碼代理檔案中選擇一個代理，基于基礎模型生成新版本，...

SignGemma 是谷歌 DeepMind 團隊推出的全球最強大的手語翻譯AI模型。專注于將美國手語（ASL）翻譯成英語文本，通過多模態訓練方法，結合視覺數據和文本數據，...

FLUX.1 Kontext 是由 Black Forest Labs 推出的圖像生成與編輯模型，支持上下文感知的圖像處理。模型基于文本和圖像提示進行生成與編輯，支持對象修改、風格...

EVI 3是Hume AI推出的全新語音語言模型，模型能同時處理文本和語音標記，實現自然、富有表現力的語音交互。模型支持高度個性化，根據用戶提示生成任何聲音和...

OmniSync是中國人民大學、快手科技和清華大學聯合推出的通用對口型框架，基于擴散變換器（Diffusion Transformers）實現視頻中人物口型與語音的精準同步。Omn...

Mobvoi MCP Server 是出門問問推出的一站式集成各項 AI 能力的工具，Mobvoi MCP Server集成語音生成、聲音克隆、圖片驅動數字人、視頻配音等多項多模態 AI 能...

FLUX.1 Kontext 是由 Black Forest Labs 推出的圖像生成與編輯模型，支持上下文感知的圖像處理。模型基于文本和圖像提示進行生成與編輯，支持對象修改、風格...