AI项目与工具

UNO

UNO是字节跳动推出的AI图像生成框架，支持单主体和多主体图像生成，解决多主体一致性难题。采用扩散变换器和渐进式跨模态对齐技术，结合通用旋转位置嵌入（UnoPE），实现高一致性与可控性。适用于虚拟试穿、产品设计、创意设计等多个领域，具备强大泛化能力，已开源并提供完整技术文档。

AI项目与工具 2025年06月11日 23 点赞 0 评论 747 浏览

EliGen

EliGen是由浙江大学与阿里巴巴集团联合开发的实体级可控图像生成框架，采用区域注意力机制实现对图像中实体的精确控制，支持多实体修复、风格化生成及交互式编辑。基于50万高质量注释样本训练，具备强大泛化能力，适用于虚拟场景、角色设计、数据合成及产品展示等场景。

AI项目与工具 2025年06月12日 97 点赞 0 评论 746 浏览

MUSIC.AI

MUSIC.AI 是一款基于人工智能的音频处理平台，提供音频分离、混音、母带处理、语音转换、歌词转录等功能，支持多语言翻译与本地化。平台已处理超 10 亿分钟音频，服务数千万用户，适用于音乐制作、视频剪辑及现场演出等多种场景，显著提升音频处理效率与质量。

AI项目与工具 2025年06月12日 93 点赞 0 评论 746 浏览

MCP Servers

MCP Servers是字节跳动推出的大模型生态平台，为开发者提供高效、灵活的大模型开发与部署环境。通过MCP协议集成搜索、数据库、API等工具，支持模块化开发和全链路闭环。平台整合MCP Market、火山方舟和Trae，实现从工具调用到应用部署的全流程。支持Local和Remote部署模式，涵盖自动化代码生成、智能数据库运维、跨仓库调试等应用场景，助力开发者提升效率。

AI项目与工具 2025年06月11日 21 点赞 0 评论 746 浏览

MacWhisper是一款基于OpenAI Whisper技术的AI音频转文字工具。它能够在本地设备上将音频文件快速转录成文本，并支持多种语言。该工具具有多种音频和视频格式兼容性，提供不同的转录模型选择，支持字幕导出，且具备视频播放功能。最新版本增加了基于Apple芯片的硬件加速，提升了实时语音识别效率，并集成了OpenAI语言模型以提高转录和翻译的准确性。MacWhisper适用于记者、媒体工作

AI项目与工具 2025年06月12日 15 点赞 0 评论 746 浏览

ebook2audiobookXTTS

ebook2audiobookXTTS是一款开源AI工具，可将EPUB、PDF、MOBI等多种电子书格式转换为高质量的有声书（.m4b）。通过集成Calibre和Coqui XTTS技术，支持多语言处理和章节识别，同时保留电子书元数据，适用于个人学习、教育培训、企业培训以及公共图书馆等场景，帮助用户高效获取知识。

AI项目与工具 2025年06月12日 78 点赞 0 评论 746 浏览

RealtimeSTT

RealtimeSTT是一款开源的实时语音转文本库，具备高精度语音活动检测、GPU加速的实时转录能力以及语音唤醒功能。支持多语言识别，适用于语音助手、会议记录、实时字幕等场景，提供灵活的音频输入与预处理机制，便于开发者快速集成和扩展。

AI项目与工具 2025年06月12日 97 点赞 0 评论 746 浏览

Cube 3D

Cube 3D 是 Roblox 推出的 AI 驱动 3D 生成工具，可通过文本描述快速创建高质量 3D 模型和场景。其核心功能包括文本到 3D 模型生成、网格优化、场景布局预测以及开源扩展能力。基于深度学习与原生 3D 数据训练，Cube 3D 提升了 3D 内容创作效率，适用于游戏开发、虚拟环境设计、教育及个性化创作等多种场景。

AI项目与工具 2025年06月12日 29 点赞 0 评论 746 浏览