AI项目与工具

Ondoku

Ondoku

Ondoku 是一款支持多语言的文字转语音工具，提供文本输入、图片文字提取及语音调整功能。用户可将文本或图片中的文字转换为自然语音，并下载为音频文件。适用于教育、娱乐、商务等多种场景，如课程讲解、有声书制作和视频配音，提升信息传播效率。
AI项目与工具 2025年06月12日
Bocha Semantic Reranker

Bocha Semantic Reranker

Bocha Semantic Reranker是一款基于语义的排序模型，用于提升搜索和问答系统的准确性。它通过二次优化初步排序结果，评估查询与文档的语义相关性，并为文档分配语义得分。该工具支持多种语言模型，适用于搜索引擎优化、问答系统、推荐系统和智能客服等领域，旨在改善用户体验并提高系统效率。
AI项目与工具 2025年06月12日
NVLM

NVLM

NVLM是NVIDIA研发的多模态大型语言模型，涵盖图像理解、语言理解、跨模态融合、图像描述生成、视觉推理及多模态翻译等功能。它具备多种架构（NVLM-D、NVLM-X、NVLM-H），并采用动态高分辨率输入、1-D平铺标签设计及多模态预训练与微调技术，广泛应用于图像描述、视觉问答、文档理解、多模态搜索及辅助驾驶等领域。
AI项目与工具 2025年06月12日
Voice Changer

Voice Changer

Voice Changer是一款基于状态空间模型的音频处理工具，可将音频中的语音转换为不同音色，同时保留情感和表达细节。用户可通过选择预设声音库或克隆个人声音实现个性化转换，并对语音细节进行精细调整。该工具广泛应用于内容创作、游戏配音、有声书制作及品牌音频开发等领域，提供高质量的音频输出和灵活的控制选项。
AI项目与工具 2025年06月12日
LayerSkip

LayerSkip

LayerSkip 是一种针对大型语言模型推理优化的技术，通过层 dropout 和早期退出损失机制，实现从早期层的精准退出，降低计算成本并提高解码效率。该方法结合自我推测解码技术，支持模型在早期层生成预测并通过后续层验证修正，广泛适用于文档摘要、编程任务、语义解析等自然语言处理任务，同时确保高精度与低延迟。
AI项目与工具 2025年06月12日
CogView3

CogView3

CogView3是一款基于中继扩散技术的开源AI图像生成模型，由清华大学与智谱AI联合研发。它通过分阶段生成图像，从低分辨率逐步提升至高分辨率，提高了生成效率并降低了运行成本。CogView3在生成质量和速度上超越了现有的开源模型SDXL，在保持图像细节的同时大幅减少推理时间。其核心特性包括高性能、多分辨率支持及多种优化技术，适用于艺术创作、数字娱乐、广告营销等多个领域。
AI项目与工具 2025年06月12日
Rizzle

Rizzle

Rizzle 是一款人工智能视频创作平台，能够将文本、播客和音频内容快速转化为具有专业外观的视频。平台通过与 Getty Images 的合作，提供了超过 5 亿张图片和视频的媒体资源库，使用户能够自定义文本样式、画面比例、背景音乐等元素。其主要功能包括缩略图制作、文本高亮剪辑、地图生成、无面孔视频等，简化了视频制作流程，适用于社交媒体营销、内容创作、教育、产品演示、新闻报道及企业内部沟通等多种应
AI项目与工具 2025年06月12日
Hyper

Hyper

Hyper-SD是由字节跳动研究人员开发的高效图像合成框架，通过轨迹分割一致性蒸馏（TSCD）、人类反馈学习（ReFL）和分数蒸馏等技术，显著降低了扩散模型在多步推理过程中的计算成本。该框架在保持高图像质量的同时，大幅减少了推理步骤，实现了快速生成高分辨率图像，推动了生成式AI技术的发展。
AI项目与工具 2025年06月12日
Piece it Together

Piece it Together

Piece it Together 是一款基于AI的图像生成工具，能够将零散的视觉元素整合成完整概念图像，并智能补全缺失部分。依托IP+空间和IP-Prior模型，支持语义编辑与文本控制，提升图像生成的准确性和多样性。适用于角色设计、产品开发、艺术创作等多个领域，助力创意探索与设计验证。
AI项目与工具 2025年06月12日
NotaGen

NotaGen

NotaGen 是由多所高校联合研发的音乐生成模型，基于预训练、微调和强化学习技术，可生成高质量古典乐谱。支持通过“时期-作曲家-乐器”等条件控制音乐风格，具备高度音乐性与可控性。采用 CLaMP-DPO 方法优化生成质量，无需人工标注。适用于音乐创作、教育、影视配乐等多种场景，提供多种模型规模选择，满足不同需求。
AI项目与工具 2025年06月12日