AI项目与工具

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架,能够将全序列、非因果的被动视频扩散模型(VDM)转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术,解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理,适用于机器人操作、游戏模拟等复杂环境,具有广泛的应用前景。

Coloring Book Hero

Coloring Book Hero是一款利用AI技术打造的数字涂色应用,用户可通过文字指令生成个性化绘图模板并上色。它拥有丰富的模板库及多样化工具,支持精细操作,并具备社区分享功能,适用于教育、娱乐、减压及艺术治疗等场景。

Playground v3

Playground v3是一款基于大型语言模型(LLM)的文本到图像生成工具,具备240亿参数量的潜扩散架构(LDM),能够精准理解和生成复杂的图像内容,支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持,广泛应用于设计、内容创作、游戏开发、广告等多个领域。

Dolphin

Dolphin是由清华大学与海天瑞声联合开发的面向东方语言的语音识别大模型,支持40种语言及22种中文方言,具备高精度语音转文字能力。采用CTC-Attention架构,结合E-Branchformer和Transformer技术,提升识别效率与准确性。模型开源,支持自定义语言与地区设置,适用于会议记录、语音输入、智能助手等多种场景。

gling

Gling是一款集成了先进AI技术的视频编辑工具,主要功能涵盖自动去除不良拍摄片段、消除沉默及填充词、生成AI字幕、自动缩放画面、降低背景噪音等。它还能够为视频生成优化标题与章节,适用于个人视频博主、播客制作人、在线教育者及企业培训等多个领域,助力提升视频质量和效率。

书生·浦像

书生·浦像是由多家科研机构联合开发的超高动态成像算法,核心为浦像HDR(UltraFusion HDR)。它结合AIGC与HDR技术,在极端光照条件下实现图像细节修复和高质量输出,有效解决动态场景中的运动伪影问题。适用于摄影、手机成像和自动驾驶等领域,具有多曝光融合、动态处理、色调映射等功能,提升了图像的鲁棒性与真实感。

VectorVein

VectorVein 是一款开源的无代码AI工作流工具,通过简化拖拽操作,使用户无需编程知识即可构建智能工作流,实现日常任务的自动化。它支持数据处理、分析和知识管理等多种应用场景,具备无代码、AI驱动和可定制化等特点。VectorVein 旨在降低AI应用的门槛,提升个人和团队的工作效率,并提供本地部署和开源选项,以满足不同用户的数据安全和隐私需求。

笔墨公文

笔墨公文是一款由北京笔墨跳动科技开发的AI公文写作平台,提供多种文体主题的公文创作服务,具备文本纠错、校对、润色等功能,并提供丰富的范文和素材库以及多样化的公文模板,助力用户高效创作高质量的公文作品。

Star

Star-3 Alpha是一款基于F.1架构的图像生成大模型,擅长处理复杂提示词,生成高质量、真实感强的图像。具备出色的美学捕捉能力和丰富的参数调节选项,适用于艺术创作、广告设计、电商展示等多种场景,极大提升了相关行业的设计效率与成果质量。

DeepSeek V3

DeepSeek V3是一款由幻方量化旗下的深度求索公司开源的AI模型,拥有6850亿参数,采用混合专家架构。它在多语言编程、长文本处理和对话交互方面表现出色,能够生成高质量代码、优化现有代码、协助调试、生成文本、分析文本、润色文本,并支持自然对话和多轮对话。此外,它在多个基准测试中表现出色,包括编程、数学、推理等领域。