AI

Ola

Ola是一款由多机构联合开发的全模态语言模型,支持文本、图像、视频和音频等多种输入形式。通过渐进式模态对齐策略,逐步扩展模型的多模态理解能力,同时采用流式解码技术提升交互体验。其架构融合多种编码器与解码器,结合局部-全局注意力机制,实现高效多模态处理,在多项任务中表现优异。

Splitter.ai

Splitter.ai是一款基于人工智能技术的音频处理平台,能够实现音乐中的人声与乐器分离、混响消除以及多音轨分离等功能。它支持云端操作、多平台兼容,并广泛应用于音乐制作、音频编辑、卡拉OK伴奏制作及音频取证等领域。凭借其强大的AI算法和灵活的操作方式,Splitter.ai成为音乐工作者和音频爱好者的理想工具。

Video Dubbing

一款具有语音克隆和口型同步功能的AI视频翻译器,可以将视频中的语音转换成多种不同的语言,同时保持与原始视频的音频同步。

ChopperBot

ChopperBot是一款基于AI的直播内容管理工具,支持多平台直播视频的自动抓取、智能剪辑、封面生成及一键上传。通过模块化设计和灵活插件支持,用户可轻松实现个性化内容创作和多平台分发。其核心技术包括视频处理、人工智能分析和自然语言生成,旨在提升直播主和内容创作者的工作效率。

AiSofiya

Sofiya是一款由人工智能驱动的文本到语音转换器,可以快速准确地将文本合成为超过135种语言和方言的自然语音。它支持多种音频格式和频率,并有一个强大的声音工作室,以合并和增强...

InstructMove

InstructMove是由东京大学与Adobe合作开发的图像编辑模型,基于视频帧对变化学习如何根据指令进行图像操作。它能够执行非刚性编辑、视角调整和元素重排等任务,同时支持精确的局部编辑。该模型采用真实视频数据训练,提升编辑自然性与真实性,适用于影视、广告、设计等多个领域。其技术基于多模态语言模型和扩散模型,结合掩码和ControlNet等控制机制,实现灵活高效的图像编辑。

VirSci

VirSci是一款基于大型语言模型(LLMs)的多智能体AI科学研究工具,通过模拟科学家团队合作加速科研创新。其主要功能包括合作者选择、主题讨论、创意生成、新颖性评估、摘要生成及自我审查等,支持从团队组建到科学发现的全流程。VirSci具备强大的自然语言处理能力、数字孪生技术和知识库支持,广泛应用于科学研究、团队协作、教育和项目管理等领域。

Genspark AI幻灯片

一款能够快速将如PDF、Excel、Word等数据格式转化为专业PPT幻灯片的工具,支持一句话交互修改、艺术风格化设计,并可导出为PPTX、PDF等格式

LCVD

LCVD是一种由四川大学开发的高保真肖像动画生成框架,支持光照可控的动态视频生成。它通过分离肖像的内在与外在特征,并结合多条件分类器自由引导机制,实现对光照和姿态的精细控制。LCVD在图像质量、视频一致性和光照真实感方面表现突出,适用于虚拟现实、视频会议、影视制作及内容创作等多个领域。