AI项目与工具

Mobvoi MCP Server

Mobvoi MCP Server是出门问问推出的一站式AI工具,集成语音生成、声音克隆、图片驱动数字人、视频配音等多模态能力。用户可通过简单输入文本调用功能,支持多客户端和多场景应用。基于标准化接口和开源生态,提供高效、灵活的数字生产力解决方案,适用于内容创作、虚拟主播、在线教育等多个领域。

AGUVIS

AGUVIS是一款由香港大学与Salesforce联合开发的纯视觉框架,专为自主GUI智能体设计。它支持跨平台操作,通过图像观察与自然语言指令的关联,以及显式规划和推理能力,提高了代理在复杂数字环境中的交互效率。AGUVIS采用大规模数据集及两阶段训练方法,实现了在离线与在线场景中的高效性能,成为首个不依赖外部闭源模型即可独立完成任务的纯视觉GUI代理。

AxBench

AxBench是斯坦福大学推出的语言模型可解释性评估框架,支持概念检测与模型转向任务。它通过合成数据生成训练集,评估模型对特定概念的识别能力和干预后的表现。提供统一的评估平台,支持多种控制方法,如提示、微调和稀疏自编码器,并采用多维评分机制,适用于AI安全、伦理及内容生成等场景。

NodeRAG

NodeRAG 是一种基于异构图的检索增强生成系统,支持多跳信息检索和细粒度信息提取,提升检索准确性和效率。系统采用异构图结构整合文档与语言模型生成内容,具备增量更新、高性能检索及可视化界面。适用于学术研究、企业知识管理、专业问答、推荐系统及数据分析等领域,支持多语言和多场景应用。

Wan

Wan是阿里推出的AI创意平台,支持AI绘画与视频生成,能根据文字或图片生成高质量艺术图像和动态视频。提供多种风格选择与创意探索功能,用户可保存作品并分享。适用于艺术设计、内容创作、教育学习及商业营销等多个领域,助力提升创作效率与创意表达。

MimicMotion

MimicMotion是一款由腾讯研究团队开发的高质量人类动作视频生成框架。该框架利用置信度感知的姿态引导技术,确保视频帧的高质量和时间上的平滑过渡。通过区域损失放大和手部区域增强,显著减少了图像失真,增强了手部动作的细节表现。该框架还支持长视频生成,通过渐进式潜在融合策略,确保视频生成时的时间连贯性和细节丰富度。

AtomoVideo

AtomoVideo是一款高保真图像到视频生成框架,能够从静态图像生成高质量视频内容。它通过多粒度图像注入和高质量数据集及训练策略,保证生成视频与原始图像的高度一致性和良好的时间连贯性。此外,AtomoVideo还支持长视频生成、文本到视频生成以及个性化和可控生成等功能。

ProductScope

ProductScope是一款集AI产品摄影、亚马逊列表优化和客户洞察分析于一体的电商营销工具,专为品牌、设计师和营销人员打造。其核心功能涵盖高质量AI生成图片、关键词研究、背景移除、图像编辑与增强等,帮助企业高效优化产品展示,提升销售业绩。适用于电子商务品牌、数字营销机构及独立创作者,支持多场景应用。

Chinese

Chinese-LiPS是由智源研究院与南开大学联合开发的高质量中文多模态语音识别数据集,包含100小时语音、视频及手动转录文本。其创新性融合唇读视频与幻灯片内容,显著提升语音识别性能,实验表明可降低字符错误率约35%。适用于教学、科普、虚拟讲解等复杂语境,为多模态语音识别研究提供丰富数据支持。

Amazon Q

Amazon Q是亚马逊专为IT专业人士和开发人员设计的AI助手,具备智能问答、代码理解和生成、数据源连接、个性化服务、内容创作及业务流程自动化等功能。它通过自然语言处理和机器学习技术,帮助企业提升工作效率,实现数字化转型。Amazon Q能够连接多种数据源,理解企业内部信息,并提供定制化的信息和答案。