Dolphin是清華大學(xué)電子工程系語音與音頻技術(shù)實驗室聯(lián)合海天瑞聲共同推出的面向東方語言的語音大模型。支持40個東方語種的語音識別，中文語種涵蓋22種方言（含...

Translate Image 是免費的在線 AI 圖片翻譯工具，專為需要快速翻譯圖片中文字的用戶設(shè)計。支持多種圖片格式（如 JPG、PNG、JPEG 等），可處理產(chǎn)品圖片、電商...

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(dǎo) AI 生成語音內(nèi)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(diào)...

Neo-1 是 VantAI 推出的全球首個將從頭分子生成與原子級結(jié)構(gòu)預(yù)測統(tǒng)一的AI模型。能預(yù)測生物分子結(jié)構(gòu)，生成全新的分子，在設(shè)計分子膠等新型治療藥物方面表現(xiàn)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(yōu)化，支持深度網(wǎng)絡(luò)搜索和...

Elmo Chat 是 Lepton AI 推出的 Chrome 擴展工具，基于AI技術(shù)簡化用戶對各類內(nèi)容的理解和處理。Elmo Chat能快速總結(jié)網(wǎng)頁、YouTube 視頻、Google 文檔和 PDF ...

MegaTTS 3是字節(jié)跳動與浙江大學(xué)合作推出的零樣本文本到語音合成系統(tǒng)，采用輕量級擴散模型，參數(shù)量僅0.45B，能高效生成高質(zhì)量語音。系統(tǒng)將語音分解為內(nèi)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(guī)模修正流（Rectified Flow, RF）模型的高保真 3D 形狀合成技術(shù)， 通過大規(guī)模修正流變換器架構(gòu)、混合監(jiān)督訓(xùn)練...

TripoSF是VAST推出的新一代3D基礎(chǔ)模型，突破傳統(tǒng)3D建模在細節(jié)、復(fù)雜結(jié)構(gòu)和擴展性上的瓶頸。采用SparseFlex表示方法，結(jié)合稀疏體素結(jié)構(gòu)，僅在物體表面附近的區(qū)...

MeshifAI 是AI文本轉(zhuǎn) 3D 模型生成平臺，能根據(jù)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(fā)工具鏈，圍繞數(shù)據(jù)使能、模型使能和應(yīng)用使能三大核心功能展開，解決 AI 行業(yè)化落地過程中數(shù)據(jù)工程耗時長、模型訓(xùn)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(zhì)量上實現(xiàn)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(tài)模型，擁有7B參數(shù)，Qwen2.5-Omni具備強大的多模態(tài)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(tài)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...