Liquid Liquid是由华中科技大学、字节跳动和香港大学联合开发的多模态生成框架，通过VQGAN将图像编码为离散视觉token并与文本共享词汇空间，使大型语言模型无需修改结构即可处理视觉任务。该框架降低训练成本，提升视觉生成与理解性能，并在多模态任务中表现出色。支持图像生成、视觉问答、多模态融合等应用，适用于创意设计、内容创作及智能交互等领域。 AI项目与工具 2025年06月12日 82 点赞 0 评论 755 浏览
MonkeyOCR MonkeyOCR是由华中科技大学与金山办公联合开发的文档解析模型，能够高效地将非结构化文档内容转换为结构化信息。其支持多种文档类型和语言，处理复杂文档（如公式、表格）效果显著，处理速度达每秒0.84页。基于SRR三元组范式和MonkeyDoc数据集，模型在准确性和效率上表现优异，适用于自动化业务流程、数字存档、智能教育、医疗记录管理及学术研究等场景。 AI项目与工具 2025年06月11日 15 点赞 0 评论 755 浏览
Gendo Gendo是一款结合生成式AI技术的建筑可视化平台，通过生成对抗网络（GANs）和扩散模型等手段，帮助设计师快速创建逼真的建筑概念图，并支持从草图到最终图像的全周期操作，具备生成性编辑、风格迁移和文本到图像生成等功能，旨在提升设计效率与视觉沟通质量。 AI项目与工具 2025年06月12日 34 点赞 0 评论 755 浏览
Fugatto Fugatto是一款由英伟达开发的音频合成与转换模型，利用增强型Transformer架构实现了从文本到音频的高效转化。它支持多种音频生成任务，如音乐创作、声音效果设计及语音合成，并可通过ComposableART技术实现对声音属性的精细调控。此外，Fugatto擅长生成动态变化的声音景观，广泛应用于音乐创作、声音设计及广告音频制作等领域。 AI项目与工具 2025年06月12日 44 点赞 0 评论 755 浏览
artflow Artflow 是一款利用人工智能技术打造的动画创作工具，用户只需输入文本便能生成包含剧情的动画视频。它支持动画合成、AI 角色生成及视频制作，涵盖多种语言与视觉风格选项，适合教育、营销、娱乐等多个领域应用，帮助用户实现高效且个性化的创意输出。 AI项目与工具 2025年06月12日 80 点赞 0 评论 755 浏览
mPLUG mPLUG-Owl3是一款由阿里巴巴开发的多模态AI模型，专注于理解和处理多图及长视频内容。该模型具备高推理效率和准确性，采用创新的Hyper Attention模块优化视觉与语言信息的融合。它已在多个基准测试中展现出卓越性能，并且其源代码和资源已公开，可供研究和应用。 AI项目与工具 2025年06月12日 73 点赞 0 评论 755 浏览
MealSnap MealSnap是一款基于AI技术开发的饮食追踪应用程序，用户通过拍摄食物照片即可获取详细的营养信息，包括卡路里、蛋白质、脂肪和碳水化合物等。它具备强大的食物识别能力、个性化饮食建议和健康报告生成功能，帮助用户实现科学饮食管理。此外，MealSnap支持多语言操作，适用范围广泛，特别适合减肥、健身及需特殊饮食管理的人群。 AI项目与工具 2025年06月12日 71 点赞 0 评论 754 浏览
Lamucal Lamucal是一款由人工智能驱动的音乐创作工具，主要功能包括实时生成歌曲的和弦、吉他谱、歌词及旋律，支持AI翻唱、人声移除和音轨分离等操作。它不仅适用于个人音乐学习和音乐教育，还能满足音乐制作人和内容创作者的需求，广泛覆盖音乐创作、教学及娱乐场景。 AI项目与工具 2025年06月12日 92 点赞 0 评论 754 浏览
商汤如影 商汤如影是一款由商汤科技开发的AI数字人视频生成平台，通过先进大模型技术创建高度逼真的数字人形象，应用于教育、金融、营销等领域。平台具备数字人创建、声音克隆、视频生成、自动化数据标注、图片生成、实时互动等功能，并支持多语言及多种服务形式，以满足个性化和专业化的服务需求。 AI项目与工具 2025年06月12日 93 点赞 0 评论 754 浏览
MCP.so MCP.so是一个MCP服务器导航与托管平台，整合超3000个MCP服务器，支持本地和远程通信接入。用户可按需选择服务器类型并进行配置，提升AI模型的功能与效率。平台提供服务器目录、信息共享、在线调试及提交功能，助力开发者与企业高效利用AI资源，推动技术协作与创新。 AI项目与工具 2025年06月12日 98 点赞 0 评论 754 浏览
