工具

InspireMusic

InspireMusic是由阿里巴巴通义实验室开发的AI音乐生成工具,支持通过文字描述或音频提示生成多种风格的音乐作品。其核心技术包括音频 tokenizer、自回归 Transformer 模型、扩散模型(CFM)和 Vocoder,实现文本到音乐的转换、音乐续写及高质量音频输出。该工具支持长音频生成、多种采样率,并提供快速与高音质两种推理模式,适用于音乐创作、音频处理及个性化音乐生成等场景。

Playground v3

Playground v3是一款基于大型语言模型(LLM)的文本到图像生成工具,具备240亿参数量的潜扩散架构(LDM),能够精准理解和生成复杂的图像内容,支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持,广泛应用于设计、内容创作、游戏开发、广告等多个领域。

Aqua Voice

Aqua Voice 是一款AI驱动的语音转录与文档编辑工具,支持语音转文字、自然语言指令编辑、自动格式优化及多语言处理。它适用于高效写作、辅助输入及跨平台办公场景,兼容多种主流应用,提升文本创作效率与准确性。

Sky

Sky-T1是由加州大学伯克利分校NovaSky团队开发的开源推理AI模型,具备高性价比和强大推理能力。其训练成本仅450美元,数据来源经过优化处理,可在数学、编程和科学领域表现出色。模型支持用户从零复现,适用于教育、科研及软件开发等场景。在MATH500和LiveCodeBench测试中,Sky-T1表现优于部分早期OpenAI模型,展现出良好的实用价值。

Spring.new

Spring.new 是一款低代码/无代码 AI 开发平台,允许用户通过自然语言创建和部署定制化应用,无需编程。支持多工具集成,具备实时调整功能,并兼容多种 AI 模型,适用于营销、反馈管理及轻量级 CRM 构建等多种场景。

Talefy Ai

AI互动故事生成器,Talefy Ai能够帮助用户轻松创作各种类型的互动故事,将脑海中的故事具象化,并提供沉浸式的故事体验。

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架,旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间,实现从粗粒度到细粒度的信息获取,并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理,具备良好的可扩展性,适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。

奇布塔

奇布塔是一个依托AI技术的有声绘本创作平台,提供文字、图片、声音和视频一体化编辑工具,集成丰富的资源库,支持用户创作高质量有声作品。平台特色包括图片转绘、角色画面分离及社区互动功能,广泛适用于儿童教育、语言学习、早期教育及家庭娱乐等领域。

unbounce

Unbounce是一款AI驱动的网站构建工具,专为营销人员设计,用于创建高转化率的落地页。其核心功能包括AI文案生成、A/B测试、实时数据分析及自动优化,支持用户轻松定制页面并整合各类营销工具。适用于产品发布、广告投放、内容营销等多种场景,助力提升营销活动的效果。

codeAI

一款革命性的VS Code插件,为开发人员提供了基于人工智能的代码生成、单元测试创建和文档生成能力。