Mini Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型设计无需额外的自动语音识别（ASR）或文本到语音（TTS）系统，直接进行语音到语音的对话。Mini-Omni 采用文本指导的语音生成方法，通过批量并行策略提高性能，同时保持了原始模型的语言能力。它支持实时语音交互、文本和语音并行生成、跨模态理解等功能，适用于智能助手、客户服务 AI项目与工具 2025年06月12日 93 点赞 0 评论 829 浏览
Sourcetable Sourcetable 是一款基于AI的电子表格与数据分析工具，支持数据清理、公式生成、图表创建、实时同步及自然语言交互。具备超过500种公式支持，可自动生成SQL查询与数据报告，适用于财务、市场、科研等多场景，提升数据处理效率与协作能力。 AI项目与工具 2025年06月12日 46 点赞 0 评论 831 浏览
clay Clay是一款以AI为核心驱动的营销平台，通过整合海量数据提供商和自动化研究功能，帮助企业优化市场研究、潜在客户开发、个性化营销及销售外联等流程。其核心功能包括数据丰富化、AI辅助研究、个性化外联内容生成以及与CRM和邮件工具的深度集成。Clay显著提高了客户触达的效果，响应率可提升至原来的2-3倍。 AI项目与工具 2025年06月12日 19 点赞 0 评论 832 浏览
EchoMimic EchoMimic是一款由阿里蚂蚁集团开发的AI数字人开源项目，通过深度学习模型结合音频和面部标志点，创造出高度逼真的动态肖像视频。该工具支持音频同步动画、面部特征融合、多模态学习和跨语言能力，适用于娱乐、教育和虚拟现实等领域。其独特的技术原理包括音频特征提取、面部标志点定位、面部动画生成和多模态学习，使用了卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等深度学习模型，实现 AI项目与工具 2025年06月12日 79 点赞 0 评论 833 浏览
NodeTool NodeTool是一款开源的AI工作流可视化构建工具，通过图形化界面和无代码开发环境，用户可以便捷地集成并运行多种AI模型。它支持本地GPU运行、云服务扩展以及多模态数据处理，适用于图像生成、音乐创作、音频转视觉艺术等多个领域，为非技术用户提供高效且灵活的AI解决方案。 --- AI项目与工具 2025年06月12日 57 点赞 0 评论 833 浏览
AutoDroid AutoDroid-V2是由清华大学人工智能产业研究院开发的基于小型语言模型（SLM）的移动端GUI自动化工具，支持多步脚本生成与执行，提升任务完成效率并减少对云端模型的依赖。其核心功能包括自动化UI操作、代码生成与执行、应用文档生成，适用于日常辅助、办公、测试、智能家居及医疗等多个场景，具有较高的实用性和技术前瞻性。 AI项目与工具 2025年06月12日 61 点赞 0 评论 834 浏览
Megrez Megrez-3B-Omni是一款具备全模态理解能力的开源模型，支持图像、音频和文本的综合处理，具备强大的推理效率和多模态交互功能。它能够在多个权威测试集中展现卓越性能，尤其擅长场景理解、OCR识别及语言生成等任务，同时通过智能WebSearch调用增强问题解答能力，适用于个人助理、智能家居、车载系统等多种应用场景。 AI项目与工具 2025年06月12日 25 点赞 0 评论 838 浏览
ILLUME ILLUME是一款基于大型语言模型的统一多模态大模型，集成了视觉理解与生成能力，采用“连续图像输入 + 离散图像输出”架构，通过语义视觉分词器和三阶段训练流程，实现了高效的数据利用和多模态任务处理能力。模型能够无缝整合视觉理解与生成功能，广泛应用于视频分析、医疗诊断、自动驾驶及艺术创作等领域。 AI项目与工具 2025年06月12日 54 点赞 0 评论 840 浏览
Fashion Fashion-VDM是一款由谷歌和华盛顿大学合作研发的虚拟试穿技术，利用视频扩散模型生成人物穿着指定服装的高质量试穿视频，具有高保真度、时间一致性及强大的服装细节还原能力。它结合了扩散模型架构、分割分类器自由引导与渐进式时间训练策略，并在图像与视频数据联合训练的基础上实现了高效稳定的视频生成过程。 AI项目与工具 2025年06月12日 58 点赞 0 评论 841 浏览
AIFlowy AIFlowy 是一款基于 Java 的开源 AI 应用开发平台，支持智能对话机器人、私有知识库构建、AI 工作流编排及大模型管理等功能。平台提供完善的系统管理模块，适用于企业级应用开发与部署，助力提升业务流程智能化水平。 AI项目与工具 2025年06月11日 41 点赞 0 评论 842 浏览
