AI项目与工具

Fathom

Fathom是一款AI驱动的会议记录工具,支持自动录制、实时转录和智能总结,提升会议效率。它兼容主流会议平台,并可与CRM系统同步,便于任务管理和客户跟进。具备标注、搜索、提醒等功能,适用于销售、客户成功、产品、市场等多个场景,助力高效协作与信息整理。

Bark

Bark是一款开源的文本到音频转换模型,由Suno AI开发,能够生成逼真的多语言语音及多种音频类型,包括音乐和背景噪音,并支持非语言交流的声音。该模型提供预训练模型,适用于研究和商业用途。其主要功能涵盖文本到音频转换、多语言支持、音频多样性和非语言交流模拟。Bark在多语言内容创作、音频内容生成和非语言交流场景中具有广泛应用。

MedRAG

MedRAG是由南洋理工大学研发的医学诊断模型,结合知识图谱与大语言模型(LLM),提升医学诊断的精准度与效率。该模型构建了四层细粒度知识图谱,支持多模态输入,具备主动补问机制,能有效补充患者信息,提升诊断准确性。在真实数据集上,其诊断准确率提升了11.32%。MedRAG可应用于急诊、慢病管理、医学教育等多个领域,为医疗决策提供科学依据。

DeepEP

DeepEP 是 DeepSeek 开发的开源 EP 通信库,专为混合专家模型(MoE)的训练和推理设计。它提供高吞吐、低延迟的 GPU 内核,支持 NVLink 和 RDMA 通信,优化了组限制门控算法,兼容 FP8 等低精度数据格式。适用于大规模模型训练、推理解码及高性能计算场景,具有良好的系统兼容性和网络优化能力。

AsrTools

AsrTools是一款无需复杂配置的智能语音转文字工具,支持多种音频格式的转换,生成SRT和TXT字幕文件,适用于视频字幕、会议记录、音频转写等多个场景。它具有友好的用户界面、高效的多线程处理能力以及详细的技术文档,旨在为用户提供便捷、准确的语音转文字解决方案。

ScholarCopilot

ScholarCopilot是一款由加拿大滑铁卢大学与卡内基梅隆大学联合开发的学术写作辅助工具,基于Qwen-2.5-7B模型构建。其核心技术包括动态检索引用与生成内容联合优化,实现高准确性的学术文本生成。支持语境感知续写、章节自动生成、多语言写作、一键引用等功能,并具备错误检测与溯源验证能力。适用于论文撰写、教学、科研协作及期刊审稿等多种场景,显著提升学术写作效率与质量。

SPAR3D

SPAR3D是一种基于两阶段设计的单图像3D重建工具,能从单张2D图像生成高质量的3D网格。它结合点扩散模型与三平面Transformer技术,实现快速、精确的几何与纹理重建,并支持用户交互式编辑。适用于增强现实、影视制作、工业设计等多个领域。

Concept Lancet

Concept Lancet(CoLan)是一种基于潜在空间稀疏分解的图像编辑框架,能够实现零样本、即插即用的精确概念替换、添加与移除。它通过构建视觉概念字典,结合扩散模型生成高质量图像,保持视觉一致性。适用于创意设计、影视制作、游戏开发等多个领域,提供高效的图像编辑解决方案。

Q.AI

Q.AI是一款基于AI技术的视频创作平台,涵盖AI写真、视频生成、文生图及帧库管理等功能。它能够将文字描述转化为高质量的视频或图像,并提供智能配音、自动字幕匹配等辅助工具,助力个人与企业快速完成视频创作。主要应用场景包括视频制作、内容创作、社交媒体运营、广告营销以及教育培训等领域。

BiGR

BiGR是一种基于二进制编码的条件图像生成模型,集成了生成与判别任务于同一框架,支持高质量图像生成、视觉辨别和编辑。它通过掩码建模机制和二进制转码器实现高效的图像重建与预测,无需针对特定任务进行结构修改或参数调整,适用于多种视觉任务,如艺术创作、内容生成、广告设计、图像修复等。