AI项目与工具

3D

3D

3D-Speaker是一个多模态开源项目，专注于通过结合声学、语义和视觉信息，实现高精度的说话人识别和语种识别。其主要功能包括说话人日志、说话人识别、语种识别、多模态识别以及重叠说话人检测。项目提供了工业级模型、训练与推理代码，以及多样化数据集，并支持复杂环境下的语音处理任务。应用场景涵盖会议记录、法庭记录、广播制作、电话客服和安全监控等领域。
AI项目与工具 2025年06月12日
PartEdit

PartEdit

PartEdit是一种基于预训练扩散模型的细粒度图像编辑工具，通过优化部分标记实现对图像对象各部分的精准定位与编辑。其采用非二进制掩码和自适应阈值策略，确保编辑内容自然融合，保留原始细节。支持真实图像和多部分同时编辑，无需重新训练模型，适用于艺术设计、影视制作、广告等多个领域。
AI项目与工具 2025年06月12日
PhysGen3D

PhysGen3D

PhysGen3D 是一款能够将单张图像转换为交互式 3D 场景并生成物理真实视频的工具。它结合图像分析与物理模拟技术，支持精确控制物体属性、动态效果整合及高质量渲染。适用于影视、VR/AR、教育、游戏和广告等多个领域，提供高效且逼真的视觉内容生成能力。
AI项目与工具 2025年06月12日
Qihoo

Qihoo

Qihoo-T2X是由360 AI研究院与中山大学联合研发的高效多模态生成模型，基于代理标记化扩散 Transformer（PT-DiT）架构。该模型通过稀疏代理标记注意力机制显著降低计算复杂度，支持文本到图像、视频及多视图生成。具备高效生成能力和多任务适应性，适用于创意设计、视频制作、教育、游戏开发及广告等多个领域。
AI项目与工具 2025年06月12日
Willow 量子芯片

Willow 量子芯片

Willow量子芯片是一款由谷歌研发的新型量子处理器，集成了105个量子比特，并在量子纠错、计算性能和硬件稳定性方面取得显著进步。它能够在极短时间内完成复杂运算，远超现有超级计算机的能力，同时支持大规模扩展与实际应用，适用于医药、能源、人工智能等多个行业。
AI项目与工具 2025年06月12日
ASAL

ASAL

ASAL是一款基于基础模型设计的自动化人工生命探索工具，支持有监督目标搜索、开放式搜索和照明式搜索三大功能模块。它能够在多种人工生命基质中运行，提供定量分析能力，帮助研究者发现新颖且多样的生命现象。ASAL的技术核心包括视觉-语言基础模型、嵌入与相似性测量、优化算法及搜索策略，广泛应用于生物进化研究、智能机器人行为模拟、游戏AI开发等领域。 ---
AI项目与工具 2025年06月12日
Aero

Aero

Aero-1-Audio 是一款基于 Qwen-2.5-1.5B 的轻量级音频模型，拥有 1.5 亿参数，专注于长音频处理，支持连续 15 分钟音频输入并保持上下文连贯性。在语音识别、复杂音频分析及指令驱动任务中表现出色，具备高效的训练方法和多任务处理能力，适用于语音助手、实时转写、归档理解等场景。
AI项目与工具 2025年06月11日
QVQ

QVQ

QVQ是一个基于Qwen2-VL-72B的开源多模态推理模型，擅长处理文本、图像等多模态数据，具备强大的视觉理解和复杂问题解决能力。它在数学和科学领域的视觉推理任务中表现出色，但在实际应用中仍需解决语言切换、递归推理及图像细节关注等问题。QVQ可广泛应用于教育、自动驾驶、医疗图像分析、安全监控及客户服务等领域。
AI项目与工具 2025年06月12日
Wren AI

Wren AI

Wren AI 是一个开源的文本到 SQL 工具，基于自然语言处理技术，允许用户通过自然语言提问来执行数据库查询，无需编写 SQL 代码。它支持多种数据库和数据源，具有语义理解能力，能准确解析业务上下文并提供精确的结果。Wren AI 的核心功能包括语义引擎、向量数据库和大型语言模型，支持数据集成、安全性和结果导出，广泛应用于业务智能分析、数据探索、报告生成等领域。
AI项目与工具 2025年06月12日
No more copyright

No more copyright

No More Copyright 是一款利用人工智能技术的在线工具，能够将用户上传的图片转化为无版权争议的原创版本，广泛适用于内容创作、广告设计、艺术创作及教育等领域。其核心功能包括即时生成、版权自由以及高效图像处理，助力用户在避免侵权风险的同时实现创意目标。
AI项目与工具 2025年06月12日