学习

SigLIP 2

SigLIP 2 是 Google DeepMind 开发的多语言视觉-语言模型,具有强大的图像与文本对齐能力。它支持多种语言输入,具备零样本分类、图像-文本检索等功能,并通过 Sigmoid 损失函数和自监督学习技术提升训练效率与模型性能。其支持多种分辨率的变体,适用于文档理解、视觉问答及开放词汇任务。该模型基于 Vision Transformer 架构,具备良好的兼容性。

流畅阅读

FluentRead 是一款开源的浏览器翻译插件,基于AI技术提供精准、自然的翻译服务。支持多种翻译引擎和双语对照显示,具备隐私保护和高度定制化功能。适用于学术研究、工作场景、语言学习及日常阅读,兼容主流浏览器,保障用户数据安全。其开源特性增强了透明度与灵活性,满足多样化翻译需求。

Napkins.dev

Napkins.dev 是一款基于 AI 技术的开源工具,能够将用户上传的截图或线框图快速转化为可运行的网页应用程序。它利用 Meta 的 Llama 系列模型和 Together.ai 的推理服务,支持代码生成、编辑和定制,并具备多主题选择及版本管理功能,适用于快速原型开发、教育学习、初创公司以及 UI/UX 设计验证等场景。

Dewatermark.AI

一款免费在线去水印工具。通过AI快速消除图片水印。Dewatermark不仅能处理简单的文字和标志水印,对于复杂的多层水印,甚至是与图片颜色融合、不易察觉的水印也可以处理。

智谱AI绘画

智谱AI绘画可根据用户的描述创作出新的艺术作品,还能够模仿不同的艺术风格,提供个性化的图像编辑和创作服务

Answer.AI

Answer.AI是一款结合先进AI技术的学习辅导工具,主要功能包括拍照解题、概念解析、记忆卡片及模拟测试,覆盖多学科领域。它通过个性化交互与智能辅助提升学习效率,适用于家庭作业辅导、考前复习、课堂补充及个性化学习计划制定。 ---

Happy Scribe

一个将音频转换为文字的自动化和人工转录字幕工具,以高准确度支持多种语言和格式。

DanceGRPO

DanceGRPO 是由字节跳动与香港大学联合开发的视觉生成强化学习框架,支持文本到图像、文本到视频、图像到视频等多种任务,兼容多种生成模型与奖励机制。其通过强化学习优化生成过程,提升视觉内容质量与一致性,降低显存压力,提高训练效率与稳定性,适用于视频生成和多模态内容创作。

Optimus

Optimus-1是一款由哈尔滨工业大学(深圳)和鹏城实验室联合开发的智能体框架,专为开放世界环境中的长期任务设计。它结合结构化知识与多模态经验,通过混合多模态记忆模块(HDKG与AMEP)提升任务规划与执行能力。主要功能包括知识引导规划、经验驱动反思、行动控制及自我进化,已在游戏、虚拟助理、工业自动化等领域得到验证。