AI项目与工具

VRAG

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架，旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间，实现从粗粒度到细粒度的信息获取，并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理，具备良好的可扩展性，适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。
AI项目与工具 2025年06月11日
LearnCoach

LearnCoach

LearnCoach 是一款面向 K12 学生的 AI 学习平台，提供个性化课程、智能辅导和多种学习模式，如辅导课程与视频播放列表。平台包含丰富的视频教程和考试题库，帮助学生掌握重点知识，提升学习效率。支持语音输入与全天候访问，适用于日常学习、考前复习及课堂教学辅助，助力学生高效学习与成绩提升。
AI项目与工具 2025年06月12日
LivePPT

LivePPT

LivePPT是一款依托AI技术的高效PPT制作工具，能够快速生成包含专业排版与配色的演示文稿。支持用户通过输入关键词或粘贴文本的方式创建内容，并提供丰富的自定义选项，如模板风格调整、页数设定及后续美化处理。该工具广泛应用于职场、教育及生活领域，极大提升了文档制作效率。
AI项目与工具 2025年06月12日
Aitubo

Aitubo

Aitubo是一款基于先进Flux模型的AI图像和视频生成平台，支持用户通过文本提示生成高质量图像，并具备背景移除、图像放大增强、AI外扩绘画以及人脸交换等功能，广泛应用于游戏开发、动漫制作、艺术创作及广告营销等领域。
AI项目与工具 2025年06月12日
OminiControl

OminiControl

OminiControl是一款高效且参数节约的图像生成框架，专为扩散变换器模型设计，支持主题驱动和空间控制。通过增加少量参数，它能够生成高质量图像并保持主题一致性，适用于多种应用场景，包括艺术创作、游戏开发和广告设计等。其强大的多模态注意力机制和灵活的架构使其成为图像生成领域的创新工具。
AI项目与工具 2025年06月12日
ART

ART

ART（Anonymous Region Transformer）是一种新型多层透明图像生成技术，支持基于全局文本提示和匿名区域布局生成多个独立透明图层（RGBA格式）。通过逐层区域裁剪机制，显著提升生成效率，速度快于传统方法12倍以上。具备高质量自编码器，支持50层以上的图像生成，减少图层冲突。广泛应用于艺术设计、内容创作、广告营销及科研等领域。
AI项目与工具 2025年06月12日
AIGIF

AIGIF

AIGIF是一款基于AI技术的个性化GIF制作工具，允许用户通过上传自拍照，将自己的面部特征无缝嵌入到各种GIF动画中，生成具有高度真实感和娱乐价值的表情包。其核心功能包括智能人脸交换、快速生成、高保真图像质量和丰富素材库。平台注重隐私保护，并提供免费与付费两种订阅模式以适应不同用户需求。
AI项目与工具 2025年06月12日
APB

APB

APB是一种由清华大学等机构开发的分布式长上下文推理框架，通过稀疏注意力机制和序列并行推理提升大模型处理长文本的效率。采用更小的Anchor Block和Passing Block，结合查询感知的上下文压缩技术，减少计算开销并精准传递关键信息。在128K长度文本上，APB推理速度比Flash Attention快10倍，比Star Attention快1.6倍，适用于多种分布式环境和模型规模，广泛
AI项目与工具 2025年06月12日
Dolphin

Dolphin

Dolphin是由清华大学与海天瑞声联合开发的面向东方语言的语音识别大模型，支持40种语言及22种中文方言，具备高精度语音转文字能力。采用CTC-Attention架构，结合E-Branchformer和Transformer技术，提升识别效率与准确性。模型开源，支持自定义语言与地区设置，适用于会议记录、语音输入、智能助手等多种场景。
AI项目与工具 2025年06月12日
SignLLM

SignLLM

SignLLM是一款支持多语言手语生成的AI模型，能将文本转换为自然流畅的手语视频，覆盖包括ASL、GSL、LSA、KSL在内的八种手语。其核心技术包括离散化与层次化表示、自监督学习、符号-文本对齐等。该工具可用于教育、医疗、法律、媒体等多个场景，提升听障人群的沟通便利性与信息获取能力。
AI项目与工具 2025年06月12日