AI

1. 首页
2. AI

Skywork R1V

Skywork R1V是昆仑万维推出的首个工业级多模态思维链推理模型，具备强大的视觉链式推理能力，可处理数学问题、科学现象分析、医学影像诊断等复杂任务。其技术基于文本推理能力的多模态迁移与混合式训练方法，在多项基准测试中表现优异。模型开源，适用于教育、医疗、科研、内容审核等多个领域，推动多模态人工智能的发展。

AI项目与工具 2025年06月12日 80 点赞 0 评论 534 浏览

Chirp 3

Chirp 3 是谷歌云推出的高清语音合成工具，支持 31 种语言和 248 种声音，能生成自然流畅的语音。具备多语言支持、自定义语音、流式合成等功能，适用于智能助手、有声读物、视频配音等场景。支持多种音频格式，注重数据安全与合规性。

AI项目与工具 2025年06月12日 16 点赞 0 评论 376 浏览

Noiz AI

Noiz AI 是一款基于自研大模型的 AI 语音合成与克隆工具，支持 3-10 秒音频快速生成逼真语音模型，适用于 TTS、视频配音和多语言翻译。具备情感化语音输出与一键语言转换功能，广泛应用于内容创作、教育、商业及娱乐等领域，提升内容表达效果与国际化传播能力。

AI项目与工具 2025年06月12日 47 点赞 0 评论 348 浏览

Cube 3D

Cube 3D 是 Roblox 推出的 AI 驱动 3D 生成工具，可通过文本描述快速创建高质量 3D 模型和场景。其核心功能包括文本到 3D 模型生成、网格优化、场景布局预测以及开源扩展能力。基于深度学习与原生 3D 数据训练，Cube 3D 提升了 3D 内容创作效率，适用于游戏开发、虚拟环境设计、教育及个性化创作等多种场景。

AI项目与工具 2025年06月12日 29 点赞 0 评论 507 浏览

AI Companion

AI Companion 是 Zoom 推出的智能助手，基于生成式 AI 技术，具备记忆、推理、任务执行和协调功能。它可以自动总结会议内容、生成文档、安排日程、识别任务并跟踪进度，整合多平台数据，提供个性化支持。适用于企业员工、管理者、客服、教育及医疗领域，有效提升工作效率，减少重复性工作。

AI项目与工具 2025年06月12日 12 点赞 0 评论 399 浏览

GR00T N1

GR00T N1 是英伟达推出的开源人形机器人基础模型，支持多模态输入并具备复杂任务执行能力。采用双系统架构，结合视觉-语言模型与扩散变换器，实现精准动作控制。基于大规模数据训练，适应多种机器人形态和任务场景，广泛应用于物流、制造、医疗等领域，提升自动化水平与操作效率。

AI项目与工具 2025年06月12日 62 点赞 0 评论 338 浏览

SVG Converter

SVG Converter是一款高效的在线矢量转换工具，可将多种位图格式（如JPG、PNG、BMP）转换为SVG、AI、EPS等矢量格式。支持高精度输出、像素级调整、多层结构及颜色自定义，操作简便，适用于网页设计、图形编辑、Logo制作等多个领域。

AI项目与工具 2025年06月12日 90 点赞 0 评论 292 浏览

TokenFD

TokenFD是由上海交通大学与美团联合开发的细粒度图文对齐基础模型，专为文档理解任务设计。通过图像与语言Token的统一特征空间对齐，支持Token级图文交互，提升了多模态任务性能。其基于自研的TokenIT数据集进行训练，涵盖2000万张图像和18亿高质量Token-Mask对，覆盖多种文本图像类型。TokenFD可用于文档处理、图像审查、文字检索及大模型知识增强等多个领域，具有广泛的适用性和

AI项目与工具 2025年06月12日 90 点赞 0 评论 321 浏览

UniFluid

UniFluid是由谷歌DeepMind与麻省理工学院联合开发的统一自回归框架，支持图像生成与视觉理解任务。它通过连续视觉标记处理多模态输入，结合Gemma模型和VAE技术，实现高质量图像生成与强大视觉理解能力。该框架在图像编辑、视觉问答和图像描述等任务中表现出色，具备良好的下游任务迁移能力，适用于创意设计、内容创作等多个领域。

AI项目与工具 2025年06月12日 54 点赞 0 评论 273 浏览

Multi

Multi-Speaker 是 AudioShake 推出的高分辨率多说话人分离工具，支持将音频中不同说话人的语音精准分离至独立轨道，适用于广播级音频处理。它具备高保真音频处理能力，支持高采样率，能处理长达数小时的录音，在复杂场景下仍能保持稳定效果。广泛应用于影视、播客、无障碍服务及内容创作等领域，提升音频编辑效率与质量。

AI项目与工具 2025年06月12日 55 点赞 0 评论 527 浏览