ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器，通过结合局部与全局token，提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息，增强细节感知能力。在多个基准测试中表现优异，尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略，提高模型泛化能力，适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

AI项目与工具 2025年06月12日 38 点赞 0 评论 1052 浏览

DemoFusion

DemoFusion是一个技术框架，旨在低成本生成高分辨率图像。该框架通过扩展现有的开源生成人工智能模型（如Stable Diffusion），使得这些模型能够在不进行额外训练和不产生过高内存需求的情况下，将模糊的低分辨率图像转化为高清晰度图像。DemoFusion采用渐进式增强、跳跃残差和扩张采样机制，确保高分辨率图像生成的同时，保持图像的全局语义一致性和细节质量。适用于艺术创作、游戏开发、电影

AI项目与工具 2024年01月01日 29 点赞 0 评论 1052 浏览

FlexiAct

FlexiAct是由清华大学与腾讯ARC实验室联合研发的动作迁移模型，可在空间结构差异较大的场景下实现精准动作迁移，并保持目标主体的外观一致性。其核心模块包括轻量级RefAdapter和频率感知动作提取（FAE），有效提升跨主体动作迁移的灵活性与准确性。该模型适用于影视、游戏、广告等多个领域，具有良好的应用前景。

AI项目与工具 2025年06月11日 39 点赞 0 评论 1051 浏览

Valley

Valley是一款由字节跳动开发的多模态大语言模型，擅长处理文本、图像和视频数据，广泛应用于内容分析、图像和视频描述、电子商务及短视频平台等领域。其Eagle版本通过引入VisionEncoder增强了模型性能，支持灵活调整令牌数量，实现了更高效的多模态数据处理。Valley在多项基准测试中表现出色，尤其在参数规模较小的情况下依然保持优异的成绩。

AI项目与工具 2025年06月12日 60 点赞 0 评论 1051 浏览

StoryBee

StoryBee是一款基于AI技术的儿童故事生成平台，能够根据用户提供的主题或关键词自动生成个性化故事，并支持互动式选择以提升参与感。平台提供多样化的故事情节，涵盖多种类型，并针对不同年龄段的孩子调整故事复杂度。StoryBee融合教育元素，同时具备家长控制功能，确保内容的安全与健康。此外，平台还提供多媒体支持及故事创作工具，助力家庭和学校教育。

AI项目与工具 2025年06月12日 89 点赞 0 评论 1051 浏览

Playground AI

Playground AI 是一款流行的人工智能绘图和图像编辑工具，主要功能包括AI文本到图像生成、创意社区作品分享、提示词智能优化和图像到图像的转换。它提供灵活的创作模式，支持用户上传现有图片或草图生成全新的艺术作品。此外，Playground AI 还提供了一个UGC创作社区，用户可以在其中发现多种风格的图片，并借鉴提示词进行创作。Playground AI 提供了免费版和多个付费版本，以满足

AI项目与工具 2024年01月01日 40 点赞 0 评论 1051 浏览

Spatial

Spatial-RAG是一种用于增强大型语言模型空间推理能力的框架，融合了稀疏空间检索与密集语义检索技术。它通过多目标优化策略平衡空间约束与语义相关性，生成准确、连贯的自然语言回答。该工具可应用于旅游推荐、智能导航、城市规划、地理问答和物流配送等多个领域，提升了空间数据处理的智能化水平。

AI项目与工具 2025年06月11日 34 点赞 0 评论 1050 浏览

基石智算

基石智算是青云科技推出的AI算力云服务平台，支持多种异构算力资源的统一调度与管理，具备弹性扩容、分布式任务调度、一站式AI开发及模型部署等功能。平台适用于AI模型训练、高性能计算、数据科学分析及模型推理等多种场景，提供灵活的服务模式和全面的资源监控与管理能力，助力用户高效开展人工智能相关工作。

AI项目与工具 2025年06月11日 49 点赞 0 评论 1050 浏览

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型，具备听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语，主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。

AI项目与工具 2025年06月12日 73 点赞 0 评论 1050 浏览

LightPDF

LightPDF是一款基于AI的在线PDF处理工具，支持格式转换、OCR识别、文本编辑、注释标注、水印添加、页面操作、加密解密、数字签名等功能。用户可通过智能聊天功能提取文档关键信息并生成摘要，支持多语言处理。适用于文献管理、内容创作、移动扫描及文件处理等多种场景。

AI项目与工具 2025年06月12日 17 点赞 0 评论 1050 浏览