学习

SpatialLM

SpatialLM 是一款由群核科技推出的开源空间理解多模态模型,能通过分析普通手机拍摄的视频生成详细的 3D 场景布局,涵盖房间结构、家具摆放等信息。它结合大语言模型与点云重建技术,实现空间认知与语义标注,并支持低成本数据采集。该模型适用于具身智能训练、AR/VR、建筑设计等多个领域,具备物理规则嵌入和结构化场景生成能力。

汉王语音王

汉王语音王是一款由汉王科技开发的智能语音应用程序,集成了AI语音记录、翻译和同声传译等功能。基于自主研发的多模态大模型,它支持高精度的语音转写、拍摄与录音同步、智能总结和实时翻译,适用于多语言环境。通过集成OCR技术,它能够生成图文并茂的多媒体记录,显著提高工作效率。

Linguix

修复并重写数百万网站上的内容,使其更高效

VideoLLaMA3

VideoLLaMA3 是阿里巴巴开发的多模态基础模型,支持视频与图像的深度理解和分析。基于 Qwen 2.5 架构,结合先进视觉编码器与语言生成能力,具备高效时空建模与多语言处理能力。适用于视频内容分析、视觉问答、字幕生成等场景,提供多种参数版本,支持灵活部署。

ChatBA

帮助用户快速生成高质量的幻灯片

Databricks SQL

Databricks SQL 是一款基于湖仓架构的智能数据仓库服务,支持统一的数据分析、自然语言查询和自动化优化。它通过 Delta Lake 和 Unity Catalog 实现高性能数据处理和元数据管理,适用于数据仓库现代化、实时分析、数据探索及预测建模等场景。

Knowt

Knowt 是一款人工智能学习工具,可将笔记、PDF 和视频内容转化为抽认卡,支持多种学习模式如练习测试和间隔重复。具备实时讲座笔记、PPT/PDF 摘要、拍照解题等功能,适合备考复习、课堂笔记和自主学习,提供丰富的学习资源和多设备同步支持。

Fellou

Fellou是一款由Fellou AI推出的智能浏览器,集成了智能体技术与工作流自动化,能自动执行复杂任务,提升操作效率。其核心功能包括深度行动、主动智能、影子空间、智能体网络等,支持跨平台搜索、多任务并行及个性化服务。用户可通过简单指令完成数据采集、表单填写、报告生成等操作,适用于市场调研、行为预测及多场景协作等应用场景。

UniTok

UniTok是由字节跳动联合高校研发的统一视觉分词器,支持视觉生成与理解任务。其采用多码本量化技术,将视觉特征分割并独立量化,显著提升离散token的表示能力。在ImageNet上实现78.6%的零样本分类准确率,图像重建质量达0.38。可作为多模态大语言模型的视觉输入模块,广泛应用于图像生成、视觉问答、内容创作及跨模态检索等场景。