Free Video Free Video-LLM是一种无需训练的高效视频语言模型，基于提示引导的视觉感知技术，可直接对视频内容进行理解和推理，适用于视频问答、内容分析等多种场景。通过时空采样优化和减少视觉标记，它在保持高性能的同时显著降低了计算复杂度。 AI项目与工具 2025年06月12日 50 点赞 0 评论 513 浏览
LongLLaVA LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。 AI项目与工具 2025年06月12日 67 点赞 0 评论 513 浏览
MinT MinT是一款基于时间基位置编码技术的多事件视频生成框架，允许用户通过文本提示生成包含多个事件的连贯视频，并支持对事件顺序及持续时间的精确控制。其核心技术ReRoPE使得模型能够有效关联文本提示与视频帧，同时结合预训练的视频扩散变换器（DiT）和大型语言模型（LLM）的提示增强功能，进一步提升了视频生成的质量与丰富度。MinT适用于娱乐、广告、教育等多个领域，为视频创作带来了创新性的解决方案。 AI项目与工具 2025年06月12日 42 点赞 0 评论 513 浏览
Buzz Buzz是一款基于OpenAI Whisper模型的离线语音转文字工具，支持实时语音转文字和音频视频文件转录。它具备多语言识别和翻译功能，支持多种格式导出，并能在本地离线操作以保护用户隐私。主要应用于视频字幕制作、采访记录整理、语言学习辅助、会议记录和学术研究等场景。 AI项目与工具 2025年06月12日 10 点赞 0 评论 512 浏览
Transmonkey AI 一款由AI驱动的翻译软件，支持超过 130 种语言，包括英语、中文、日语、阿拉伯语、法语、德语、希伯来语、印尼语等，并能处理文档、视频、图片和音频等各种文件格式。 Ai图片处理 2025年06月05日 90 点赞 0 评论 510 浏览
面试通 面试通是一款基于AI技术的面试辅助工具，专为求职者设计，可实时识别面试官的问题并生成专业回答，提升面试表现。其功能涵盖算法题模式、全自动笔试助手、简历模式和知识库模式，支持多语言面试和视频面试，适用于技术面试、结构化面试等多种场景。 AI项目与工具 2025年06月12日 88 点赞 0 评论 510 浏览
自得语音 自得语音技术可通过简单的步骤创造出属于你的角色。类似GPT，可生成与真人无异的语音片段，在情感、音色和语速等方面与真人一致。 Ai语音工具 2025年06月05日 15 点赞 0 评论 509 浏览
