AI项目与工具

Mochi 1

Mochi 1 是一款基于开源架构的 AI 视频生成工具,具有高保真度和强大的提示遵循能力。它采用 Genmo 自研的非对称扩散变压器(AsymmDiT)架构,结合实时视频生成技术和流式架构,能够高效生成高质量的视频内容。Mochi 1 支持多种应用场景,包括视频内容创作、教育、娱乐、广告和社交媒体等,适用于个人和企业用户。

k0

k0-math是一款基于强化学习和思维链推理技术的新一代数学推理模型,由月之暗面推出。它在多个数学基准测试中表现出色,特别是在中考、高考、考研及竞赛级数学题库中的成绩超越了OpenAI的o1-mini和o1-preview模型。k0-math具备深入思考、规划解题思路以及自我反思优化的能力,适用于教育辅导、在线教育平台、竞赛培训、学术研究及自动化测试与评分等多个场景。

Jellypod

Jellypod 是一款基于 AI 的播客制作工具,支持从网页、PDF 等多种格式自动生成脚本并转为音频,涵盖 30 多种语言和口音。用户可自定义 AI 主持人,编辑脚本并一键发布到主流平台,具备高质量音频生成与内容管理功能,适用于企业、教育和个人品牌建设等场景。

DiffEditor

DiffEditor是由北京大学深圳研究生院与腾讯PCG联合研发的图像编辑工具,基于扩散模型,结合图像与文本提示,支持细粒度对象移动、尺寸调整、内容拖动及跨图像编辑。采用区域随机微分方程(Regional SDE)和时间旅行策略,提升编辑准确性和灵活性。无需额外训练即可实现高效图像处理,适用于创意设计、人像修复和风景优化等场景。

OpenAudio S1

OpenAudio S1是Fish Audio推出的文本转语音(TTS)模型,基于200万小时音频数据训练,支持13种语言。采用双自回归架构和RLHF技术,生成自然流畅的语音,支持50多种情感和语调标记。具备零样本和少样本语音克隆功能,仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版,满足

Phot.AI

Phot.AI 是一款基于AI技术的在线图片编辑平台,主要功能包括自动图像修复、高级色彩校正、边缘检测和锐化等。它支持批量处理多张图片,具备AI照片生成能力,并提供直观的用户界面。Phot.AI 可用于社交媒体内容创作、专业摄影后期处理、电子商务产品展示以及广告和营销材料制作等多个场景,帮助用户提升图片质量和工作效率。

Amie

Amie是一款AI会议记录工具,能够自动录音并生成会议总结,帮助用户高效管理会议内容和后续工作。它支持多种视频会议平台,如Zoom、Google Meet、Slack Huddle和Microsoft Teams,可自动生成笔记,并允许用户添加私人笔记、自定义标题和关键数字。Amie还提供快速会议总结、AI聊天、多平台集成和智能日程安排等功能,适用于日常任务安排、学习、会议记录与分享以及项目管理等

Rooms

Rooms是一款由前Google员工开发的3D房间设计工具,支持用户通过超过10,000个可编辑物品和Lua语言创建交互式3D空间与小游戏。应用提供类似TikTok的浏览模式,支持网页端和iOS平台使用。3.0版本新增无需编程的Actions编辑器,提升创作便捷性。适用于个人创作、游戏开发、教育、社交及品牌展示等多个领域。

Avat3r

Avat3r 是由慕尼黑工业大学与 Meta Reality Labs 联合开发的高保真三维头部头像生成模型,基于高斯重建技术,仅需少量输入图像即可生成高质量且可动画化的 3D 头像。其核心优势在于使用交叉注意力机制实现表情动态化,支持多源输入,具备良好的鲁棒性和泛化能力。适用于 VR/AR、影视制作、游戏开发及数字人等领域。

Aragon.ai

Aragon.ai 是一款基于人工智能技术的头像生成平台,通过上传照片并结合用户选定的服装和背景,快速生成高质量的专业头像。平台支持个性化定制,具备强大的图像处理能力,可一次性生成大量头像,并提供照片编辑工具。其应用场景广泛,包括职业形象打造、社交媒体展示、企业团队建设以及个人品牌塑造等领域。