Umi

Umi-OCR 是一款离线 OCR 工具，支持图片、截图和 PDF 文档的文字识别，具备数学公式与二维码识别功能，可生成可搜索 PDF。支持多语言识别与界面切换，提供命令行和 HTTP 接口调用，适用于文档数字化、数据录入、教育等多个场景。

AI项目与工具 2025年06月12日 51 点赞 0 评论 863 浏览

Socratic

Socratic是一款基于AI的多功能学习助手，支持多学科覆盖，涵盖科学、数学、文学和社会学等领域。它提供多样化的解答形式，如视频、文本和链接，并通过智能识别技术和详细解题步骤帮助用户深入理解问题。此外，其视觉化呈现方式和多样的输入选项（如拍照、语音和文本）增强了学习体验，适用于家庭作业辅导、课堂补充、考试复习及自学等多种场景。

AI项目与工具 2025年06月12日 80 点赞 0 评论 863 浏览

Videotoword.ai

Videotoword.ai 是一款以AI驱动的在线服务，支持将音频和视频文件转化为文本，具有高精度（99.9%）和多语言支持（98种以上）。它能处理长达10小时的文件，具备自动转录、文本编辑导出及AI摘要生成功能，广泛应用于教育、媒体、法律和企业等领域。

AI项目与工具 2025年06月12日 36 点赞 0 评论 863 浏览

R1

R1-Onevision 是一款基于 Qwen2.5-VL 微调的开源多模态大语言模型，擅长处理图像与文本信息，具备强大的视觉推理能力。它在数学、科学、图像理解等领域表现优异，支持多模态融合与复杂逻辑推理。模型采用形式化语言和强化学习技术，提升推理准确性与可解释性，适用于科研、教育、医疗及自动驾驶等场景。

AI项目与工具 2025年06月12日 92 点赞 0 评论 863 浏览

Lipsync

Lipsync-2 是 Sync Labs 推出的全球首个零样本嘴型同步模型，无需预训练即可快速生成符合说话者风格的嘴型动作。支持多语言、个性化表达和温度参数调节，具备高精度、高真实感和高效处理能力，广泛应用于视频翻译、动画制作、多语言教育及 AI 内容生成等领域。

AI项目与工具 2025年06月12日 85 点赞 0 评论 864 浏览

AnythingLLM

AnythingLLM 是一款开源、多模态的 AI 客户端工具，支持文本、图像和音频输入，可将文档转化为上下文信息供语言模型使用。支持本地和云端部署，具备多用户管理、工作区隔离、丰富的文档格式支持和强大的 API 接口。适用于企业知识管理、学术研究、个人学习、内容创作等多种场景，保障数据隐私安全。

AI项目与工具 2025年06月12日 37 点赞 0 评论 864 浏览

Computer Use OOTB

Computer Use OOTB 是一款基于开源框架的 GUI 自动化工具，支持跨平台操作与远程控制，借助 Claude 3.5 Computer Use API 实现从用户指令到桌面操作的端到端自动化。其核心技术包括实时视觉信息处理、历史上下文维护及动态反馈机制，适用于远程办公、自动化测试、教育培训、家庭自动化及游戏辅助等多种场景。

AI项目与工具 2025年06月12日 21 点赞 0 评论 864 浏览

Notato

Notato 是一款基于 AI 的笔记应用，支持音频、视频、文档及网页内容的自动转录与结构化整理，生成摘要、闪卡和测验，适用于学习、会议、资料整理等多种场景。其具备多语言翻译、错题分析、后台录音等功能，提升信息处理与知识管理效率。

AI项目与工具 2025年06月11日 74 点赞 0 评论 864 浏览

TripoSG

TripoSG 是一种基于大规模修正流模型的高保真 3D 形状生成技术，能够从单张图像生成高质量的 3D 网格模型。其核心优势包括高分辨率重建、语义一致性、强泛化能力和稳健的性能。通过混合监督训练策略和高质量数据集，TripoSG 实现了更精准的几何表示与细节还原。该技术适用于工业设计、VR/AR、自动驾驶、教育及游戏开发等多个领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 864 浏览

豆包1.5·UI

豆包1.5·UI-TARS是字节跳动推出的一款面向图形用户界面（GUI）的智能代理模型，具备视觉理解、逻辑推理和操作执行能力。它无需预定义规则，即可实现端到端的GUI任务自动化，适用于办公、测试、客服及机器人交互等多个场景。模型基于多模态融合与端到端学习技术，支持高效的界面交互与精准的视觉定位。

AI项目与工具 2025年06月11日 31 点赞 0 评论 864 浏览