AI项目与工具

Tarsier2

Tarsier2是字节跳动研发的大规模视觉语言模型,擅长生成高精度视频描述并在多项视频理解任务中表现优异。其核心技术包括大规模数据预训练、细粒度时间对齐微调以及直接偏好优化(DPO)。该模型在视频问答、定位、幻觉检测及具身问答等任务中均取得领先成绩,支持多语言处理,具有广泛的应用潜力。

硅语AI知识创业平台

硅语AI知识创业平台是一款基于人工智能技术的数字人解决方案,主要功能涵盖AI数字人克隆、语音合成、智能提词、字幕生成及美颜滤镜等。它支持多种应用场景,如教育、营销、内容创作和个人品牌建设,为用户提供便捷高效的数字人创建体验。

Lawdeck

Lawdeck 是一款基于AI的法律文档生成平台,专为法律专业人士设计,支持快速生成合同、诉状等法律文件,并提供实时法律研究与决策预测功能。平台聚焦巴西法律体系,具备定制化模板、安全协作及全面判例数据库,提升法律工作的效率与准确性。

Superhuman

Superhuman是一款AI驱动的电子邮件客户端,提供智能分类、快速回复、阅读状态追踪及团队协作等功能,帮助用户提升邮件管理效率。它还具备社交洞察与日历集成特性,支持用户在一个平台内全面掌控邮件和日程安排,从而专注核心任务。

LongVILA

LongVILA是一款专为长视频理解设计的视觉语言AI模型,由多家知名研究机构共同开发。它具备强大的长上下文处理能力和多模态序列并行性,能在大量GPU上高效训练,无需梯度检查点。LongVILA通过五阶段训练流程,结合大规模数据集构建和高性能推理,显著提升了长视频字幕的准确性和处理效率。此外,它还支持多种应用场景,包括视频字幕生成、内容分析、视频问答系统等。

Auto Think

Auto Think是快手Kwaipilot团队开源的KwaiCoder-AutoThink-preview自动思考大模型,针对深度思考大模型的“过度思考”问题,提出了一种全新的训练范式。模型融合“思考”和“非思考”能力,能根据问题难度自动切换模式,提升复杂任务表现。在代码和数学类任务中,性能提升可达20分。其技术原理包括最小提示干预和多阶段强化学习,适用于视频生成、文案创作、智能客服等多个场景。

LAYMAN LAW

LAYMAN LAW是一款基于AI的法律辅助工具,能够将复杂法律术语和文件内容转化为通俗易懂的语言。支持PDF文件解析、智能问答、文本摘要生成及浏览器扩展功能,适用于法律专业人士、企业人员及普通用户。帮助用户快速理解法律内容,提升法律素养,降低合规风险。

绘蛙·多图成片

绘蛙·多图成片是一款基于AI技术的视频生成工具,通过上传2-4张连贯图片并配合文字描述,快速生成高质量视频。支持多种视频尺寸,具备智能文案生成能力,适用于创意视频、广告、电商展示等多种场景,显著降低视频制作门槛和成本。

DreamO

DreamO是由字节跳动与北京大学联合开发的图像定制生成框架,基于扩散变换器(DiT)模型实现多条件图像生成。支持身份、风格、背景等条件的灵活集成,具备高质量生成、条件解耦和精准控制能力。适用于虚拟试穿、风格迁移、主体驱动生成等多种场景,具备广泛的适用性和技术先进性。

ViewCrafter

ViewCrafter是一种由北京大学、香港中文大学和腾讯合作开发的先进视频扩散模型。它能够从单一或少量图像中合成高质量的新视图,结合视频扩散模型和基于点的3D表示,通过迭代视图合成策略和相机轨迹规划生成多样化的视图。该模型在多个数据集上展示了强大的泛化能力和性能,适用于实时渲染、沉浸式体验及场景级文本到3D生成等多种应用场景。