GPT-4o mini TTS 是 OpenAI 推出的輕量級文本轉語音模型，支持將文本內容轉換為自然流暢語音的同時，開發者能用指令控制語音的語調、情感和風格，例如“平靜”“...

Dify-Plus 是基于 Dify 二次開發的企業級增強版項目，集成基于 gin-vue-admin 的管理中心。Dify-Plus在 Dify 基礎上新增用戶額度、密鑰額度、Web 公開頁登錄...

Crack Coder 是開源的隱形 AI 輔助工具，專為技術面試設計。Crack Coder支持在后臺運行，完全隱形，無法被屏幕錄制或監控軟件檢測到。Crack Coder提供實時 AI...

YT Navigator 是 AI 驅動的 YouTube 內容搜索工具，幫助用戶高效地搜索和瀏覽 YouTube 頻道內容。YT Navigator自然語言查詢功能，讓用戶快速定位到特定頻道視...

Step-Video-TI2V 是階躍星辰（StepFun）推出的開源圖生視頻（Image-to-Video）生成模型，擁有 300 億參數，能根據文本描述和圖像輸入生成最長 102 幀的視頻。...

InternVL 是上海人工智能實驗室 OpenGVLab 推出的多模態大模型，專注于視覺與語言任務。采用 ViT-MLP-LLM 架構，通過視覺模塊（如 InternViT）和語言模塊（如...

Instella是AMD推出的系列30億參數的開源語言模型。模型完全從零開始在AMD Instinct? MI300X GPU上訓練而成，基于自回歸Transformer架構，包含36個解碼器層和3...

Maestro是用在移動和Web應用的端到端自動化測試框架。基于內置的容錯能力和延遲容忍機制，解決傳統測試中常見的不穩定性和等待問題。Maestro基于聲明式語法，...

OLMo 2 32B 是 Allen Institute for AI（Ai2）推出的最新開源語言模型，是 OLMo 2 系列的重要成果。擁有 320 億參數，是首個在多技能學術基準測試中超越 GPT-...

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...

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...