標簽：多語言支持

Actor Mode 是 ElevenLabs 推出的AI語音生成工具，支持用戶通過自己的聲音指導 AI 生成語音內容。用戶只需錄制一段音頻或上傳已有音頻文件，AI 能分析其語調...

Neo-1 是 VantAI 推出的全球首個將從頭分子生成與原子級結構預測統一的AI模型。能預測生物分子結構，生成全新的分子，在設計分子膠等新型治療藥物方面表現出...

OpenDeepSearch 是開源的深度搜索工具，基于開源推理模型和推理代理提升搜索性能，專為? Hugging Face 的 SmolAgents 無縫集成進行優化，支持深度網絡搜索和...

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 ...

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...

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...

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...

MeshifAI 是AI文本轉 3D 模型生成平臺，能根據用戶輸入的文本提示快速生成 3D 模型，支持生成簡單模型和紋理模型（PBR）兩種類型，生成的模型為 .glb 格式，...

ModelEngine 是華為開源的全流程 AI 開發工具鏈，圍繞數據使能、模型使能和應用使能三大核心功能展開，解決 AI 行業化落地過程中數據工程耗時長、模型訓練和...

Ideogram 3.0 是Ideogram推出的 AI 圖像生成模型。Ideogram 3.0在圖像生成質量上實現飛躍，具備高度的真實感、出色的文本渲染和強大的語言理解能力，支持生成...

Qwen2.5-Omni 是阿里開源的 Qwen 系列旗艦級多模態模型，擁有7B參數，Qwen2.5-Omni具備強大的多模態感知能力，能處理文本、圖像、音頻和視頻輸入，支持流式文...

Cosmos-Reason1 是 NVIDIA 推出的一系列多模態大型語言模型，基于物理常識和具身推理理解物理世界。Cosmos-Reason1包括兩個模型：Cosmos-Reason1-8B 和 Cosmo...

Mureka O1是昆侖萬維發布的全球首款音樂推理大模型，全球首個引入“思維鏈”（Chain of Thought，CoT）技術的音樂模型，Mureka O1在推理過程中加入思考與自我批...

Browseragent是基于瀏覽器的AI自動化工具，直接在瀏覽器中創建和運行AI工作流，無需API調用費用，實現零成本的無限次執行。Browseragent基于無代碼可視化編輯...