AI项目与工具

BAGEL

BAGEL是字节跳动开源的多模态基础模型,拥有140亿参数,采用混合变换器专家架构(MoT),通过两个独立编码器捕捉图像的像素级和语义级特征。它能够进行图像与文本融合理解、视频内容理解、文本到图像生成、图像编辑与修改、视频帧预测、三维场景理解与操作、世界导航以及跨模态检索等任务。BAGEL在多模态理解基准测试中表现优异,生成质量接近SD3,并适用于内容创作、三维场景生成、可视化学习和创意广告生成等

蜜小语

蜜小语是一款专注于提升聊天体验的移动应用,提供蜜语键盘、聊天标签和热度调节等功能,帮助用户在恋爱、职场、朋友聚会及网络社交中更自然流畅地交流。其标签库涵盖多种场景,并支持自定义设置,增强个性化表达。用户可通过订阅服务获取更多高级功能。

adAI艾达艾

adAI艾达艾是一款基于AI技术的在线PPT生成工具,能够快速生成高质量的图文并茂PPT文档。用户只需输入需求描述,工具便能智能匹配内容与图片,生成符合要求的PPT文件。此外,它提供免费下载服务,支持多种编辑软件,并允许用户自定义语言及背景风格。主要应用场景包括商务演示、教育培训、会议报告以及个人简历等。

Pointa

Pointa是一款专业的在线视频创作工具,专注于制作流畅自然的Zoom缩放动画效果。它支持多种文件类型的导入与录屏功能,提供多样化的背景选择,并允许添加音频、背景音乐、文本及生成字幕。Pointa具备局部模糊和水印功能,支持多格式导出,适合各类视频应用场景。

T2A

T2A-01-HD是一款支持声音克隆与多语言合成的AI语音模型,可精准还原原声特征与情感表达。具备智能情感系统、多语言支持及高级参数控制功能,适用于有声读物、影视配音、教育、语言学习等多种场景,提供高质量、个性化的语音输出。

Fineshare FineCam

Fineshare FineCam 是一款适用于 Windows 和 Mac 的 AI 虚拟摄像头软件,支持多设备连接与高清视频录制。提供摄像头调整、虚拟背景、滤镜效果、内容共享及多场景切换等功能,适用于在线教学、远程会议、产品演示等内容创作场景,提升视频专业度与互动性。

汉王语音王

汉王语音王是一款由汉王科技开发的智能语音应用程序,集成了AI语音记录、翻译和同声传译等功能。基于自主研发的多模态大模型,它支持高精度的语音转写、拍摄与录音同步、智能总结和实时翻译,适用于多语言环境。通过集成OCR技术,它能够生成图文并茂的多媒体记录,显著提高工作效率。

JoyGen

JoyGen是由京东科技与香港大学联合开发的音频驱动型3D说话人脸视频生成框架,能够实现唇部动作与音频信号的精准同步,并提供高质量的视觉效果。该工具采用单步UNet架构进行高效视频编辑,基于130小时中文视频数据集训练,在唇音同步和视觉质量方面表现优异。适用于虚拟主播、动画制作、在线教育及多语言视频生成等多个领域,为视频内容创作提供了创新解决方案。

幻图AI

幻图AI是一款基于AI技术的免费图像处理工具,支持文生图、图片和视频换脸、换装、头像定制等功能。用户通过简单的操作即可生成高质量的创意图像和视频,广泛应用于社交媒体、电商、广告设计和教育培训等领域,提供高效且个性化的视觉创作体验。

LongAlign

LongAlign是一种针对文本到图像生成任务的改进方法,通过分段级编码技术和分解偏好优化,有效解决了长文本输入的对齐问题。它能够显著提升生成图像与输入文本的一致性,广泛应用于艺术创作、游戏开发、影视制作及教育等领域,具备高精度和强泛化能力。