自然语言

OpenAudio S1

OpenAudio S1是Fish Audio推出的文本转语音(TTS)模型,基于200万小时音频数据训练,支持13种语言。采用双自回归架构和RLHF技术,生成自然流畅的语音,支持50多种情感和语调标记。具备零样本和少样本语音克隆功能,仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版,满足

TrackVLA

TrackVLA是银河通用推出的端到端导航大模型,具备纯视觉环境感知、语言指令驱动、自主推理和零样本泛化能力。它能在复杂环境中自主导航、灵活避障,并根据自然语言指令识别和跟踪目标对象。无需提前建图,适用于多种场景,如陪伴服务、安防巡逻、物流配送等,为具身智能商业化提供支撑,推动机器人走向日常生活。

Circuit Tracer

Circuit Tracer 是 Anthropic 推出的开源工具,用于研究大型语言模型的内部工作机制。它通过生成归因图揭示模型在生成特定输出时的决策路径,帮助研究人员追踪模型的决策过程、可视化特征关系并测试假设。支持多种主流模型如 Gemma 和 Llama,提供交互式可视化界面,便于探索和分析模型行为。其功能包括生成归因图、可视化与交互、模型干预以及支持多种模型。

Fairies

Fairies 是一款功能强大的 AI Agent 智能体,支持 1000 多种操作,包括文件管理、代码生成、邮件发送等。用户可通过自然语言与 Fairies 交互,实现多任务执行。它注重隐私保护,采用端到端加密,所有数据处理在本地完成。Fairies 可与 Slack、Gmail、Google Drive 等应用集成,提供免费版和 Pro 版,适合个人和团队提升生产力。

Airtop

Airtop是一款AI浏览器自动化工具,基于低成本可扩展的云浏览器,让用户能轻松抓取和控制任何网站。其AI Agent能像人类一样登录浏览网页,支持OAuth、2FA和验证码解决。用户可通过自然语言指令引导浏览器完成任务,无需复杂脚本。Airtop提供实时人工干预功能,适用于数据抓取、自动化测试、内容生成、自动化营销等多种场景,帮助用户高效完成自动化任务。

MagicPath

MagicPath 是一款基于 AI 的无限画布设计工具,用户可通过自然语言与 AI 对话,快速生成和编辑设计组件,无需手动操作。它支持描述愿景、轻松定制和即时组件等功能,帮助设计师和创意工作者快速实现创意,生成高质量的设计原型。MagicPath 适合需要快速生成设计原型、进行创意探索或简化设计流程的用户,尤其是没有专业设计或编程背景的人。

Ming

Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型,基于MoE架构,支持文本、图像、音频和视频等多种模态的输入输出,具备强大的理解和生成能力。模型在多个任务中表现优异,如图像识别、视频理解、语音问答等,适用于OCR识别、知识问答、视频分析等多个领域。其高效处理能力和多模态交互特性,为用户提供一体化智能体验。

YouWare

YouWare是由明超平(Leon Ming)创立的AI编程社区平台,帮助用户通过自然语言描述需求生成代码,并一键部署为网页应用。平台提供AI自动化编程、一键部署与分享、作品集管理、权限控制、一键美化、社区展示和MCP集成等功能。用户可基于他人项目进行再创作,适合个人创意展示、学习编程和项目协作。YouWare汇聚全球创作者,项目数量庞大,是降低编程门槛的创新工具。

Morphik

Morphik是一款开源的多模态检索增强生成(RAG)工具,专为处理高技术性和视觉内容丰富的文档设计。支持图像、PDF、视频等多种格式的文档搜索,采用ColPali技术理解文档中的视觉内容,具备快速元数据提取功能,可提取边界框、标签、分类等信息。其主要功能包括多模态数据处理、智能解析文件、知识图谱构建、自然语言规则引擎和数据管理与集成,适用于技术文档处理、企业知识管理和智能应用开发等场景。

Rork

Rork是一款AI驱动的无代码开发工具,能够根据用户自然语言描述快速生成跨平台移动应用。它支持iOS和Android平台,基于React Native技术,可一键发布到App Store和Google Play,并与多种后端数据库集成。Rork适合初创企业、非技术用户及快速原型开发,降低应用开发门槛,提升效率。