AI工具

Wispr Flow

Wispr Flow 是一款基于AI技术的语音转文字工具,支持100多种语言,具备自动编辑、上下文感知和低音量识别等功能,提升写作与沟通效率。提供免费基础版及付费专业版和团队版,适用于写作、商务、学习等多种场景,注重用户隐私保护,操作便捷自然。

Webscrape AI

Webscrape AI是一款基于AI技术的网页数据采集工具,无需编程技能即可实现自动化数据抓取。它具有高精度、高效率和可定制化的特点,能够帮助企业快速获取所需数据,广泛应用于市场研究、价格监控、客户反馈分析等领域。此外,Webscrape AI提供灵活的订阅方案,适应不同规模企业的使用需求。

MUSIC.AI

MUSIC.AI 是一款基于人工智能的音频处理平台,提供音频分离、混音、母带处理、语音转换、歌词转录等功能,支持多语言翻译与本地化。平台已处理超 10 亿分钟音频,服务数千万用户,适用于音乐制作、视频剪辑及现场演出等多种场景,显著提升音频处理效率与质量。

APB

APB是一种由清华大学等机构开发的分布式长上下文推理框架,通过稀疏注意力机制和序列并行推理提升大模型处理长文本的效率。采用更小的Anchor Block和Passing Block,结合查询感知的上下文压缩技术,减少计算开销并精准传递关键信息。在128K长度文本上,APB推理速度比Flash Attention快10倍,比Star Attention快1.6倍,适用于多种分布式环境和模型规模,广泛

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架,能够将全序列、非因果的被动视频扩散模型(VDM)转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术,解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理,适用于机器人操作、游戏模拟等复杂环境,具有广泛的应用前景。

TokenVerse

TokenVerse 是一种基于扩散模型的多概念图像生成工具,支持从单图或多图中解耦并组合视觉元素,如物体、材质、姿势等。通过优化调制空间,实现对复杂概念的局部控制,无需微调模型即可生成个性化图像,适用于创意设计、艺术创作和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。

AEE

AEE(Auto Excel Editor)是一款基于人工智能的在线Excel编辑工具,能够自动执行数据增删改查等逻辑操作,支持智能录入、公式插入、样式优化及模板生成等功能,显著提升工作效率,适合数据分析师、财务人员及市场研究人员等用户群体。

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。

字狐AI

字狐AI是一款集成多种AI功能的浏览器插件,主要功能包括智能问答、网页信息提取、写作辅助、PDF转换及OCR文字识别。用户可通过语音或文字与之互动,快速获取所需信息并提升工作效率。支持多语言识别与编辑,适用于办公文档处理、写作创作、资料阅读及PPT制作等场景。