学习

1. 首页
2. 学习

CoGenAV

CoGenAV是一种先进的多模态学习模型，专注于音频和视觉信号的对齐与融合。通过对比特征对齐和生成文本预测的双重目标进行训练，利用同步音频、视频和文本数据，学习捕捉时间对应关系和语义信息。CoGenAV具备音频视觉语音识别、视觉语音识别、噪声环境下的语音处理、语音重建与增强、主动说话人检测等功能，适用于智能助手、视频内容分析、工业应用和医疗健康等多个场景。

AI项目与工具 2025年06月11日 80 点赞 0 评论 771 浏览

Avaturn

Avaturn是一款基于AI的3D虚拟形象生成平台，支持用户通过上传照片生成逼真的3D头像和全身模型。它提供丰富的定制选项，如面部特征、发型、肤色、服装和配饰，并具备实时预览功能。Avaturn适用于社交媒体、在线游戏、虚拟会议、电子商务、教育培训及健康医疗等领域，旨在推动虚拟互动和数字身份的发展。

AI项目与工具 2025年06月12日 56 点赞 0 评论 772 浏览

LIGER

LIGER是一种由Meta AI等机构研发的混合检索模型，结合生成式检索与密集检索技术，提升推荐系统的效率与准确性。其核心功能包括高效生成候选项目、优化排序、处理冷启动问题及融合语义信息。LIGER通过多目标优化和语义融合机制，显著提高了推荐的精准度与适应性，广泛应用于电商、内容、社交及教育等领域。

AI项目与工具 2025年06月12日 11 点赞 0 评论 772 浏览

Auto Backend

Auto Backend 是一个您只需几句话即可为您的 Web 应用程序生成后端的网站开发工具。

Ai编程建站 2025年06月05日 68 点赞 0 评论 772 浏览

Instance AI

Instance AI是一款通过角色扮演、模拟人生来沉浸式学英语的App，这款App采用剧本学习法，为用户提供沉浸式英语学习体验。涵盖职场、社交、恋爱等丰富场景，让用户在实际应用中无痛...

创作工具 2026年09月29日 0 点赞 0 评论 772 浏览

VideoTuna

VideoTuna是一款基于AI的开源视频生成工具，支持文本到视频、图像到视频以及文本到图像的转换。它提供预训练、微调和后训练对齐等功能，兼容U-Net和DiT架构，并计划引入3D视频生成能力。VideoTuna旨在简化视频内容创作流程，提升生成质量与可控性，适用于内容创作、电影制作、广告营销、教育培训等多个领域。

AI项目与工具 2025年06月12日 30 点赞 0 评论 773 浏览

CapsWriter

CapsWriter-Offline是一款基于PC端的离线语音输入与字幕转录工具，支持实时语音转文字功能，具备高准确率和无限时长录音能力。其核心技术依托于深度学习模型，可处理中英文混合语音，并提供热词自定义功能以提升特定术语的识别效果。此工具适用于会议记录、学术讲座、视频字幕生成等多种场景，同时确保用户数据的安全与隐私。 ---

AI项目与工具 2025年06月12日 38 点赞 0 评论 773 浏览

REEF

REEF是一种用于大型语言模型的指纹识别技术，通过在训练中嵌入编码信息生成唯一“指纹”，实现高精度、低开销的模型识别。具备鲁棒性、兼容性强等特点，适用于版权保护、模型溯源、非法行为打击等场景，广泛应用于学术、商业和监管领域。

AI项目与工具 2025年06月12日 66 点赞 0 评论 773 浏览

MimicTalk

MimicTalk是一款利用NeRF技术快速生成个性化3D说话人脸模型的工具，其核心功能包括15分钟内完成新身份训练、高质量视频生成、增强的表现力以及上下文学习能力。该工具通过混合适应流程、上下文风格化音频到运动模型等技术，实现了高效的数据样本利用和训练效率提升，适用于虚拟主播、远程协作、VR/AR等领域。

AI项目与工具 2025年06月12日 59 点赞 0 评论 773 浏览

Takin AudioLLM

Takin AudioLLM是一套由喜马拉雅Everest团队研发的语音生成模型，包含文本转语音（Takin TTS）、音色转换（Takin VC）及声音风格变换（Takin Morphing）。它采用最新大型语言模型技术，可生成接近真人的高质量语音，并支持个性化定制与零样本学习。该工具广泛应用于有声书制作、虚拟助手、电影配音等领域，具有音色精准、风格多样等特点。

AI项目与工具 2025年06月12日 63 点赞 0 评论 773 浏览