AI项目与工具

Scribe

Scribe 是由 ElevenLabs 推出的高精度语音转文本模型,支持 99 种语言,具备多说话者区分、非语言事件检测和单词级时间戳功能。输出结构化的 JSON 数据,适用于会议记录、字幕生成、内容创作等多种场景,广泛应用于教育、客服及媒体领域。

Social Media Agent

Social Media Agent是一款基于AI技术的社交媒体内容管理工具,支持从URL内容自动生成Twitter和LinkedIn帖子。它提供人机交互流程,让用户能审核和调整生成内容。具备基础与高级模式,支持多种平台集成,如Slack和GitHub。适用于企业运营、个人品牌、营销推广及社区管理等多种场景,提升内容创作与发布效率。

Stackie.AI

Stackie.AI 是一款基于AI的智能记录与管理工具,支持多模态输入(文本、语音、图像),提供自动整理、任务生成、个性化模板及角色互动等功能。适用于健康管理、学习辅助、日常计划与习惯养成等场景,提升信息处理效率与用户体验。

文佳AI

文佳AI是一款面向学术写作的AI工具,提供论文选题、大纲生成、全文撰写和文献综述等功能。用户可通过输入研究主题和要求,快速获得结构清晰、逻辑严谨的论文内容,并支持风格定制和大纲调整。该工具适用于开题报告、任务书撰写及行业分析等场景,助力用户提升研究效率和论文质量。

Mathtutor on Groq

Mathtutor on Groq 是一款基于 Groq 架构的 AI 辅导工具,通过语音识别功能接收数学问题,结合强大的数学引擎提供实时解题过程与答案。其主要功能包括语音输入、LaTeX 公式渲染、高精度计算及自然语言处理支持,适用于代数、微积分等领域的学习与教学辅助。此外,它还集成了 xRx 框架、Whisper 和 Llama 模型,确保高效且精准的问题解决能力。Mathtutor on G

clone

Clone-Voice是一款基于深度学习的声音克隆工具,支持16种语言的文本转语音及声音风格转换,具有友好的操作界面和较低的硬件要求。它被广泛应用于视频制作、语言学习、有声出版物创作、广告宣传及游戏开发等领域,为用户提供多样化的个性化声音解决方案。

BALROG

BALROG是一款用于评估大型语言模型(LLMs)和视觉语言模型(VLMs)在游戏环境中推理能力的框架。它通过程序化生成的游戏环境,测试模型的规划、空间推理及探索能力,并提供细粒度的性能指标和公开排行榜,以促进AI技术的发展,适用于游戏AI开发、机器人技术、虚拟现实等多个领域。

字体家

字体家是一款集字体下载、转换与AI生成于一体的综合性平台,主要功能包括基于深度学习技术的个性化字体生成、多种字体生成方式及字型修改服务。其核心优势在于通过AI技术将少量样本字扩展为完整的中文字体库,同时提供便捷的字体管理和版权保障,广泛适用于平面设计、品牌标识、出版物排版等多个领域。

Meissonic

Meissonic是一款由阿里巴巴集团与多家高校联合开发的文本到图像合成模型,基于掩蔽图像建模技术,结合多模态和单模态Transformer层、高级位置编码策略及优化采样条件,实现了高分辨率图像生成、文本到图像转换、零样本图像编辑等功能。其高效性能使其适用于多种场景,包括艺术创作、媒体娱乐、广告营销、教育及电子商务等领域。 ---

F5

F5-TTS是一款由上海交通大学研发的高性能文本转语音(TTS)系统,采用流匹配与扩散变换器技术,支持多语言合成及情感控制等功能。它能够在无额外监督条件下生成高质量语音,适用于多种商业和非商业场景,如有声读物、语音助手、语言学习等。