AI项目与工具

Umi

Umi-OCR 是一款离线 OCR 工具,支持图片、截图和 PDF 文档的文字识别,具备数学公式与二维码识别功能,可生成可搜索 PDF。支持多语言识别与界面切换,提供命令行和 HTTP 接口调用,适用于文档数字化、数据录入、教育等多个场景。

Seaweed

Seaweed-7B 是一款由字节跳动开发的视频生成模型,拥有约 70 亿参数,支持从文本、图像或音频生成高质量视频。具备文本到视频、图像到视频、音频驱动生成、长镜头、连贯叙事、实时生成等功能,适用于内容创作、教育、广告等多个领域。采用变分自编码器和扩散变换器技术,结合多阶段训练与优化策略,提升生成效率与质量,兼顾性能与成本效益。

JoyAgent智能体平台

JoyAgent智能体平台是京东云推出的企业级一站式AI智能体搭建与发布平台,聚合大模型、知识库、插件和工作流等能力,支持低代码开发,用户可通过自然语言快速构建基于大语言模型的AI智能体。平台提供丰富的预置模板和工具,支持一键发布到微信、企业微信等主流IM和协同办公渠道,适用于智能客服、OA自动化、热点营销等场景,帮助企业提升业务效率和客户体验。

LosslessCut

LosslessCut 是一款基于 FFmpeg 的开源视频编辑工具,支持无损剪辑、合并、格式转换及多轨道编辑等功能。它通过直接操作数据流避免重新编码,保持视频质量,适用于家庭用户、视频创作者及专业人士。该工具提供了高分辨率截图、智能剪辑及多种接口支持,能够高效处理各类视频文件。

PromptWizard

PromptWizard是一款由微软研发的自动化提示优化框架,专注于提升大型语言模型在特定任务中的表现。其核心技术包括自我演变、自我适应以及反馈驱动的批评与合成,通过迭代优化提示指令和上下文示例,显著增强模型的准确性和效率。PromptWizard适用于多种应用场景,如情感分析、智能教育助手、医疗诊断支持、法律文档分析及客户服务自动化等,助力各行业实现更高效的智能化操作。

Boximator

Boximator是一种视频合成技术,通过引入硬框和软框实现对视频中对象的位置、形状或运动路径的精细控制。它基于视频扩散模型,通过多阶段训练和自跟踪技术,确保视频合成过程中的高质量和逼真度。应用场景包括电影和电视制作、游戏开发以及VR和AR内容创作。

Evoto

Evoto是一款以提升照片编辑效率为核心的AI工具,拥有精准的人脸识别、自然的皮肤美化、高级色彩调节、背景替换及批量处理等功能。它通过提供专业设计师设计的独特预设,帮助用户快速达到专业级图像处理效果,适用于人像摄影、婚礼摄影、时尚摄影、产品摄影及社交媒体内容创作等多个领域。

a0.dev

a0.dev 是一款基于 AI 技术的 React Native 开发平台,可通过自然语言输入生成完整的应用代码,涵盖前端界面、状态管理、路由配置和后端云函数。支持组件级控制、云端开发、自动配置等功能,显著提升开发效率,适用于创意验证、MVP 构建和企业技术探索。

Lipsync

Lipsync-2 是 Sync Labs 推出的全球首个零样本嘴型同步模型,无需预训练即可快速生成符合说话者风格的嘴型动作。支持多语言、个性化表达和温度参数调节,具备高精度、高真实感和高效处理能力,广泛应用于视频翻译、动画制作、多语言教育及 AI 内容生成等领域。

AnythingLLM

AnythingLLM 是一款开源、多模态的 AI 客户端工具,支持文本、图像和音频输入,可将文档转化为上下文信息供语言模型使用。支持本地和云端部署,具备多用户管理、工作区隔离、丰富的文档格式支持和强大的 API 接口。适用于企业知识管理、学术研究、个人学习、内容创作等多种场景,保障数据隐私安全。