Video

Video-LLaVA2是一款由北京大学ChatLaw课题组开发的开源多模态智能理解系统。该系统通过时空卷积（STC）连接器和音频分支，显著提升了视频和音频的理解能力。其主要功能包括视频理解、音频理解、多模态交互、视频问答和视频字幕生成。时空建模和双分支框架是其核心技术原理。Video-LLaVA2广泛应用于视频内容分析、视频字幕生成、视频问答系统、视频搜索和检索、视频监控分析及自动驾驶等领域。

AI项目与工具 2025年06月12日 50 点赞 0 评论 760 浏览

好伴AI

好伴AI是一款基于全科医学大语言模型的智能健康助手，支持24小时在线健康咨询与报告解读，可分析化验单、体检报告并提供个性化建议。具备数字专家分身、健康档案管理、健康预警等功能，支持中英文双语，适用于多种健康场景，帮助用户更好地管理自身健康。

AI项目与工具 2025年06月12日 50 点赞 0 评论 760 浏览

WiseDiag

WiseDiag是杭州智诊科技开发的医疗AI模型，基于海量医学数据训练，具备深度推理能力和个性化服务功能。支持多场景健康咨询，包括医学报告解读、长期健康记录管理及专家级建议。提供多种版本以适应不同需求，适用于健康管理、医疗辅助和远程医疗等应用。

AI项目与工具 2025年06月12日 55 点赞 0 评论 760 浏览

易健EasyHealth

易健EasyHealth是一款基于大语言模型技术开发的微信小程序，提供AI智能问答、情感智能算法、健康档案管理、健康数据分析及个性化健康咨询等多功能服务。用户可免费注册并自定义AI助手性格与回答风格，同时享受多语言支持和定制化健康建议，用于个人健康管理、健康咨询、疾病预防、健康教育及心理支持等多个应用场景。

AI项目与工具 2025年06月12日 83 点赞 0 评论 760 浏览

Kimi

Kimi-VL是月之暗面推出的轻量级多模态视觉语言模型，支持图像、视频、文档等多种输入形式。其基于轻量级MoE架构和原生分辨率视觉编码器，具备强大的图像感知、数学推理和OCR能力。在长上下文（128K）和复杂任务中表现优异，尤其在多模态推理和长视频理解方面超越同类模型。适用于智能客服、教育、医疗、内容创作等多个领域。

AI项目与工具 2025年06月11日 30 点赞 0 评论 759 浏览

GitHub MCP Server

GitHub MCP Server 是一款基于 Model Context Protocol (MCP) 的服务器工具，支持与 GitHub API 无缝集成，提供自动化工作流、问题管理、代码审查等功能。它可提升开发效率，简化仓库操作，并支持与多种开发工具集成，适用于代码管理、数据分析及智能审查等场景。

AI项目与工具 2025年06月12日 82 点赞 0 评论 759 浏览

Boogie AI

Boogie AI 是一款利用人工智能技术将用户上传的照片转化为舞蹈视频的应用程序。该应用具备AI舞蹈生成、动作选择、声音克隆和图生视频等功能，用户可以上传照片并选择不同的舞蹈动作，通过AI技术生成动态的舞蹈视频。该应用可应用于社交媒体分享、家庭聚会、朋友互动、个人娱乐和创意表达等多个场景，提供了一种独特且有趣的娱乐方式。

AI项目与工具 2025年06月12日 54 点赞 0 评论 759 浏览

MAETok

MAETok是一种基于掩码建模的图像标记化方法，通过自编码器结构学习更具语义丰富性的潜在空间，提升图像生成质量与训练效率。它支持高分辨率图像生成，具备多特征预测能力和灵活的潜在空间设计，适用于娱乐、数字营销、计算机视觉等多个领域。实验表明其在ImageNet数据集上表现优异。

AI项目与工具 2025年06月12日 67 点赞 0 评论 759 浏览

Depth Pro

Depth Pro 是一款由苹果公司开发的先进单目深度估计模型，能够在不到一秒的时间内从单张2D图像生成高分辨率的3D深度图。它支持零样本学习，无需依赖相机内参即可提供度量级深度信息，并在细节捕捉方面表现出色。Depth Pro 在增强现实、3D重建、图像编辑、机器人导航和自动驾驶等领域展现出广泛的应用前景。

AI项目与工具 2025年06月12日 37 点赞 0 评论 759 浏览

MMSearch

MMSearch 是一款用于评估大型多模态模型（LMMs）搜索能力的基准测试工具，包含 MMSearch-Engine 框架和 MMSearch 测试集。其核心功能包括问题重构、网页排序和答案总结，通过多模态搜索能力评估提升 LMMs 的性能。实验结果显示 GPT-4o 在该测试中表现优异，且增加计算量比扩大模型规模更具优势。

AI项目与工具 2025年06月12日 44 点赞 0 评论 759 浏览