AI项目与工具

PPTAgent

PPTAgent是由中国科学院软件研究所研发的AI驱动演示文稿生成工具,采用两阶段编辑方法,从文档自动生成结构清晰、内容一致的PPT。它结合大型语言模型与幻灯片分析技术,支持大纲生成、内容编辑与质量评估,适用于教育、企业、市场等多个场景,显著提升演示文稿制作效率与质量。

Flame

Flame是一款开源的多模态AI模型,能够将UI设计截图转换为高质量的现代前端代码。它支持React等主流框架,具备动态交互、组件化开发和高代码质量的特点。Flame通过创新的数据合成方法提升代码多样性与准确性,适用于快速原型开发、提升开发效率及辅助学习等多种场景。其训练数据、模型和测试集均已开源,为前端开发提供了高效的工具支持。

2PR

2PR是一款基于AI技术的LinkedIn内容创作工具,能够快速生成高质量、个性化的帖子。用户可通过音频访谈或总结外部内容,将想法转化为适合平台的优质内容。工具支持多种角色使用,提升内容创作效率与个人品牌影响力,具备灵感库、多模型支持及多种订阅选项,适用于博主、求职者、B2B销售专家等群体。

LatentLM

LatentLM是一款由微软与清华大学合作开发的多模态生成模型,能够统一处理文本、图像、音频等多种数据类型。它基于变分自编码器(VAE)和因果Transformer架构,支持自回归生成与跨模态信息共享,特别擅长图像生成、多模态语言模型及文本到语音合成等任务,其提出的σ-VAE进一步提升了模型的鲁棒性。

Shulex

Shulex 是一款专注于客户之声(VOC)分析的 AI SaaS 工具,整合电商平台和社交媒体数据,提供评论分析、竞品监控、智能客服等功能。平台能挖掘消费者画像、产品痛点和市场趋势,助力企业优化产品和营销策略。支持多语言客服、品类标签分析及实时榜单追踪,提升决策效率与客户满意度。

YouTube Dubbing

YouTube Dubbing是一款利用AI技术实现跨语言视频观看的浏览器插件。它通过智能同步配音和字幕翻译功能,帮助用户轻松克服语言障碍,提升视频观看体验。支持多语言、多平台操作,提供多种语音风格和高级功能如倍速播放、背景音保留等,适合语言学习、国际教育、商务会议等多种应用场景。

Faceplay秀脸

FacePlay是一款基于AI技术的多功能应用程序,提供视频换脸、照片动画、AI滤镜、写真生成、对口型模拟及证件照制作等功能。凭借其丰富的模板库和直观的操作界面,用户可以高效生成高质量的内容,适用于社交媒体创作、娱乐、个性化尝试及艺术设计等多个领域。

Multiverse

Multiverse是由Enigma Labs开发的全球首个基于AI生成的多人游戏模型,支持实时交互与动态世界生成,确保玩家视角一致。其核心技术包括联合动作向量和双视角通道堆叠,有效解决多人游戏中的同步难题。模型训练成本低,可在普通PC上运行,且项目全面开源,适用于多人游戏开发、VR/AR、AI训练、教育等多个领域。

Jodi

Jodi是由中国科学院计算技术研究所和中国科学院大学推出的扩散模型框架,基于联合建模图像域和多个标签域,实现视觉生成与理解的统一。它支持联合生成、可控生成和图像感知三种任务,利用线性扩散Transformer和角色切换机制,提升生成效率和跨领域一致性。Jodi使用Joint-1.6M数据集进行训练,包含20万张高质量图像和7个视觉域标签,适用于创意内容生成、多模态数据增强、图像编辑与修复等场景。

文心大模型4.5

文心大模型4.5是百度推出的原生多模态大模型,具备强大的多模态理解、逻辑推理和文本生成能力。支持文字、图片、音频、视频等多种信息的综合处理,适用于教育、内容创作、智能客服及金融等领域。模型已上线百度智能云平台,企业与开发者可通过API调用,满足多样化业务需求。