VideoRefer
VideoRefer是由浙江大学与阿里达摩院联合开发的视频对象感知与推理系统，基于增强型视频大型语言模型，实现对视频中对象的细粒度理解与分析。其核心包括大规模视频数据集、多功能空间-时间编码器和全面评估基准，支持对象识别、关系分析、推理预测及多模态交互等功能，适用于视频剪辑、教育、安防、机器人控制和电商等多个领域。
自然语言
思必驰 DFM-2 大模型
思必驰 DFM-2 大模型作为思必驰的自研对话式语言大模型，展现了其在多模态交互和行业应用中的潜力。它通过结合先进的AI技术，为用户提供了更加智能化和个性化的体验，推动了智能语...
Luma Photon
Luma Photon是一款由Luma AI开发的先进图像生成工具，具备高分辨率图像生成、自然语言理解及多图像参考等功能，支持个性化和多轮迭代操作。它能显著提升设计师、电影制作人等专业人士的创作效率，广泛应用于影视制作、游戏开发、广告设计等多个领域，同时保持较低的成本投入。
BlenderMCP
BlenderMCP 是一款将 Blender 与 Claude AI 集成的工具，通过 socket 服务器实现双向通信，支持 3D 对象操作、材质控制、场景信息获取及 Python 代码执行。用户可通过自然语言指令高效完成建模任务，提升创作效率。工具由插件和服务器组成，采用 JSON 协议进行数据交互，适用于快速建模、场景优化及教育辅助等场景。
Parakeet TDT 0.6B
Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。
