AI工具

Versatile

Versatile-OCR-Program是一款开源多模态OCR工具,支持从教育材料中提取文本、公式、表格等结构化数据,输出为JSON或Markdown格式,准确率高达90%-95%。它基于DocLayout-YOLO、Google Vision和MathPix等技术,支持多语言处理,适用于教育数据集制作、教学辅助、AI模型训练及个人学习等场景。

TikTok Emoji Generator

一款免费的通过基于文本提示生成AI驱动的表情符号设计的在线工具,帮助用户创建自定义的TikTok表情符号。

LongPort MCP

LongPort MCP是长桥集团推出的证券行业首款MCP工具,实现AI与核心金融业务的深度融合。它支持自然语言交互,具备智能投资建议、账户管理、风险监控、交易自动化及量化策略构建等功能。通过标准化API接口和NLP技术,提升金融操作效率,保障数据安全,适用于专业投资者和机构用户。

BetterBugs

BetterBugs是一款基于Chrome浏览器的扩展工具,通过一键式屏幕捕获、屏幕录制和自动技术信息收集等功能,帮助用户高效生成详细的bug报告。它支持与多种项目管理和沟通工具集成,适用于软件开发、质量保证、项目管理和客户支持等多个场景,旨在提升团队协作效率和问题解决速度。

Piktochart

一款AI驱动的信息图表制作工具,允许您创建专业而漂亮的信息图表、传单、海报、报告、通讯和图表。无需任何设计经验。

MoonCast

MoonCast 是一个零样本播客生成系统,能够从纯文本源合成自然的播客风格语音。它采用长上下文语言模型和大规模语音数据训练,支持中文和英文,生成几分钟长的高质量播客音频。MoonCast 通过特定的LLM提示生成播客脚本,并利用语音合成模块转换为最终音频,具备长音频生成、增强自然性、多语言支持和零样本语音合成等功能。其技术原理包括多阶段训练、短段级别自回归音频重建和自发性增强,适用于内容创作、教

PDF to Podcast

PDF to Podcast 是一款由 NVIDIA 开发的 AI 工具,能够将 PDF 文档自动转换为高质量的音频内容,如播客。该工具结合了大型语言模型、文本到语音技术以及 NVIDIA NIM 微服务架构,支持从 PDF 提取信息并生成结构化文本,再通过语音合成输出自然流畅的音频。用户可自定义生成内容的重点,并支持多种部署方式,适用于企业培训、技术简报、客户服务、医疗教育等多个领域。

Looooooong Kimi

Looooooong Kimi 是一款专注于超长文本处理的智能工具,支持高达200万汉字的文本分析,具备文档上传与解析、多文件处理、网址阅读、实时搜索、语言翻译以及多模态信息识别等功能。该工具广泛应用于学术研究、法律分析、市场调研、教育辅导和技术支持等多个领域,能够高效提取和整理信息,满足用户对复杂文本处理的需求。

GenChess

GenChess是一款由谷歌DeepMind开发的AI工具,允许用户通过关键词生成个性化国际象棋棋子。它提供了经典与创意两种模式,支持单个棋子的独立调整及对手棋子的自动生成,同时兼容在线对弈和棋子图片下载功能,适用于教育、娱乐、创意表达及专业训练等场景。

LDGen

LDGen是一款结合大型语言模型与扩散模型的文本到图像生成工具,支持零样本多语言生成,提升图像质量和语义一致性。通过分层字幕优化、LLM对齐模块和跨模态精炼器,实现文本与图像的高效交互。实验表明其性能优于现有方法,适用于艺术创作、广告设计、影视制作等多个领域,具备高效、灵活和高质量的生成能力。