生成

ScholarAI

一个AI驱动的帮助学生完成记笔记、时间管理、学习计划和学术论文写作等任务的平台。它从头开始生成笔记,总结复杂的信息,并将图像中的视觉信息转换为文本。

职达AI简历

职达AI简历是一款智能简历优化平台,通过AI技术为用户提供简历生成、优化和诊断服务。用户输入基本信息后,平台可在短时间内生成专业个性化简历,并分析内容问题提供优化建议。结合岗位推荐系统,精准推送匹配岗位,提高求职效率。内置2800+模板,覆盖多种岗位,支持多端同步与个性化定制,还提供面试辅导等增值服务。

NaturalReader

NaturalReaders是一个提供文本到语音转换服务的网站。

MultiTalk

MultiTalk是由中山大学深圳校区、美团和香港科技大学联合推出的音频驱动多人对话视频生成框架。它根据多声道音频输入、参考图像和文本提示,生成包含人物互动且口型与音频一致的视频。通过Label Rotary Position Embedding (L-RoPE) 方法解决多声道音频与人物绑定问题,并采用部分参数训练和多任务训练策略,保留基础模型的指令跟随能力。MultiTalk适用于卡通、歌唱及

Image AI

专注于图片AI工具,用于处理和生成图片,提供换脸、人脸修复、百变人脸、图片识别、文本生成图片、图片去背景、图片去水印、图片去文字、图片高清放大、图片重新创作、人脸变贴纸等AI图片工具。

ELLA

ELLA(Efficient Large Language Model Adapter)是一种由腾讯研究人员开发的方法,旨在提升文本到图像生成模型的语义对齐能力。它通过引入时序感知语义连接器(TSC),动态提取预训练大型语言模型(LLM)中的时序依赖条件,从而提高模型对复杂文本提示的理解能力。ELLA无需重新训练,可以直接应用于预训练的LLM和U-Net模型,且能与现有模型和工具无缝集成,显著提升

Chromox AI

一个由AlkaidVision开发的文生视频、图生视频的AI工具,专注于将创意转化为视觉故事,适用于各种动态内容生成。

MILS

MILS是由Meta AI开发的一种无需额外训练即可为大型语言模型(LLM)提供多模态能力的框架。它通过多步推理、评分反馈和迭代优化,实现图像、视频、音频等多模态内容的生成与理解。MILS支持零样本描述生成、风格迁移、跨模态推理等任务,适用于内容生成、多模态检索、视觉问答等多个场景,具备高效、灵活和无需训练的优势。

Auto Think

Auto Think是快手Kwaipilot团队开源的KwaiCoder-AutoThink-preview自动思考大模型,针对深度思考大模型的“过度思考”问题,提出了一种全新的训练范式。模型融合“思考”和“非思考”能力,能根据问题难度自动切换模式,提升复杂任务表现。在代码和数学类任务中,性能提升可达20分。其技术原理包括最小提示干预和多阶段强化学习,适用于视频生成、文案创作、智能客服等多个场景。

AudioBox

Audiobox 是 Meta 推出的 AI 语音和音效工具,结合语音输入和自然语言文字提示词生成语音和音效,例如输入提示词「一条流淌的河流和鸟儿在鸣叫」,Audiobox 自动生成音效。