R

OmniParser

OmniParser是一款由微软研究院开发的屏幕解析工具,能够将UI截图转换为结构化数据,通过识别可交互图标和提取功能语义,提升基于大型语言模型的UI代理系统的性能。它支持跨平台应用,无需依赖额外信息,适用于自动化软件测试、虚拟助手、辅助技术等多个领域。

Tarsier

字节跳动推出的一系列大规模视觉语言模型(LVLM),专注于视频理解任务,包括视频描述、问答、视频定位、幻觉测试等功能。

加利福尼亚大学洛杉矶分校

加利福尼亚大学洛杉矶分校(University of California, Los Angeles,简称:UCLA) ,是位于美国洛杉矶的公立研究型大学 ,是环太平洋大学联盟和国际公立大学论坛成员 ,被誉为“公...

RunDiffusion

RunDiffusion 是一个能在云服务器中运行功能强大的Stable Diffusion的网站。让您无需在计算机上编码或安装任何东西就可以创建令人惊叹的 AI 生成的图片艺术。

VideoSrt

VideoSrt是一个可以识别视频语音自动生成字幕SRT文件的开源软件工具。适用于快速、批量的为媒体(视频/音频)生成中/英文字幕、文本文件的业务场景。

360智绘

360集团推出的AI绘画创作大模型,文生图、参考图生图,支持 CG、写实、动漫、剪纸等多种风格。

智能翻译官

AI智能翻译引擎,涵盖文本、文档、图片、视频、音频等多种在线翻译模式,更有强大的文档格式转换处理功能,为您节约80%的时间。

亿图脑图MindMaster

免费领会员_在线协作办公绘图工具,AI助手一键生成思维导图,AI绘画,AI对话,OCR文字提取

Granite 3.1

Granite 3.1是IBM推出的一款先进语言模型,具备强大的上下文处理能力和多语言支持功能。其核心特性包括扩展至128K tokens的上下文窗口、全新嵌入模型以及功能调用幻觉检测能力。该模型适用于客户服务自动化、内容创作、企业搜索、语言翻译及合规性检查等多种应用场景。

MediaGo

一款开源免费的跨平台视频提取工具。支持流媒体下载、视频下载、m3u8 文件下载以及 B 站视频下载。