AI项目与工具

VideoRefer

VideoRefer是由浙江大学与阿里达摩院联合开发的视频对象感知与推理系统,基于增强型视频大型语言模型,实现对视频中对象的细粒度理解与分析。其核心包括大规模视频数据集、多功能空间-时间编码器和全面评估基准,支持对象识别、关系分析、推理预测及多模态交互等功能,适用于视频剪辑、教育、安防、机器人控制和电商等多个领域。

Picsman

Picsman是一款集成了多种AI图像处理功能的在线工具,支持一键抠图换背景、消除笔、批量编辑、AI背景生成及图片高清化等功能。其操作简单,适用于电商、社交媒体等多种场景,能显著提升图像质量与视觉表现力,同时提供丰富的设计资源辅助内容创作。

TalkingAvatar.ai

TalkingAvatar.ai 是一款集 AI 技术与虚拟形象创作于一体的平台,支持视频内容的重写、重配音以及多语言适配。其核心功能包括语音克隆、唇形同步、文本编辑语音等,可满足视频内容创作、广告定制、多语言电商、教育视频制作等多种应用场景。平台提供灵活的订阅方案,支持多种语言和语音模型,帮助用户轻松实现视频内容的个性化和全球化。

edge

edge-tts 是一个开源的AI文字转语音项目,支持超过40种语言和300多种声音。该项目利用微软Azure Cognitive Services技术,能够将文本信息转换为流畅自然的语音输出。edge-tts 提供了丰富的语言和声音选择,易于集成且具有高度可定制性。其主要功能包括多语言支持、多样声音选择、流畅自然语音、易于集成的API以及开源特性。edge-tts 广泛应用于辅助技术、客户服务、

StockMixer

StockMixer是一款由上海交通大学研发的股票价格预测工具,采用多层感知器(MLP)架构,通过指标混合、时间混合和股票混合三步处理股票数据,有效捕捉指标、时间和股票间的复杂关系。其主要功能包括预测股票价格趋势、优化投资组合及支持量化投资策略。凭借残差连接、层归一化及多尺度时间片段等技术手段,StockMixer在降低计算资源需求的情况下实现了卓越的预测性能。

MobA

MobA是一种基于多模态大型语言模型的移动智能体,通过高级全局智能体(GA)和低级局部智能体(LA)的两级架构,实现任务规划、分解与执行,支持跨应用操作和自动化流程。其反思模块助力高效处理复杂任务,广泛应用于个人助理、智能家居控制、移动设备自动化及教育等领域。

Semantic Scholar

Semantic Scholar 是一款基于人工智能的科学文献搜索引擎,通过自然语言处理技术理解论文语义,提供精准搜索结果。它具备论文检索、引用网络展示、相关文献推荐及摘要提取等功能,并拥有语义阅读器以优化阅读体验。Semantic Scholar 还为开发者提供API支持,广泛应用于学术研究、教育、跨学科探索和文献综述等领域,助力科研人员提升工作效率。

LangManus

LangManus 是一款基于多智能体系统的 AI 自动化框架,支持多种语言模型和 API 接口,具备高效的网络与神经搜索能力。框架内含多种智能体协同工作,可完成任务分配、规划、执行与报告生成。支持代码编写与执行、任务可视化及实时监控,适用于人力资源、房产决策、旅行规划、内容创作和教育开发等多个领域。

GeneMAN

GeneMAN是一个基于多源数据训练的3D人形创建框架,能够从单张图像生成高保真度的3D人体模型。它无需依赖传统参数化模型,支持多样化的身体比例、服装和姿势,广泛应用于虚拟试衣、游戏开发、AR/VR、时尚设计及健身管理等领域。

LanPaint

LanPaint 是一款基于 Stable Diffusion 的高质量图像修复工具,无需额外训练即可实现精准修复。通过多轮迭代推理优化修复效果,支持多种参数调整,适用于图像修复、内容替换及艺术创作等多种场景,操作简便且效果自然。