AI项目与工具

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型，结合Whisper编码器与Qwen2 LLM，支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略，提升模型泛化能力和稳定性。基于约5万小时语音数据训练，性能优异，适用于智能客服、教育、心理健康监测等多个领域。

AI项目与工具 2025年06月12日 46 点赞 0 评论 419 浏览

ComicsMaker

ComicsMaker是一款基于人工智能技术的在线漫画创作平台，提供页面设计、漫画风格生成、图像处理、姿势创建、图片修复等功能，支持高清画质输出及多种漫画风格选择，适用于个人创作、教学辅助及商业用途，助力用户快速实现漫画创作目标。

AI项目与工具 2025年06月12日 30 点赞 0 评论 419 浏览

AgentMarket是一款由清华大学深圳国际研究生院的Agentland实验室开发的线上社交小游戏，它结合了模拟经营和AI捏人技术，允许玩家通过AI帮助创建个性化的Agent角色，并在虚拟集市中进行交流和交易。游戏特色包括AI捏人、AI大富翁模式、留言和卡片系统，为玩家提供了高度互动性和沉浸式的社交体验。玩家可以创建独特的角色，与其他Agent进行自由交流，推销商品，解锁更多交流功能，同时还可以

AI项目与工具 2025年06月12日 32 点赞 0 评论 419 浏览

The Matrix

The Matrix是一款基于AI的世界模拟器，能够生成高保真度、无限时长的视频流，支持实时交互控制。它融合了3A游戏数据与真实世界视频，具备零样本泛化能力。核心技术包括交互模块、移窗去噪过程模型和流一致性模型，适用于游戏开发、影视制作、虚拟现实、教育模拟及城市规划等多个领域。

AI项目与工具 2025年06月12日 51 点赞 0 评论 418 浏览

Amazon Bedrock

Amazon Bedrock是一款由AWS推出的完全托管型AI服务平台，集成了多家顶级AI公司的基础模型，支持企业通过单一API访问高性能模型。它提供了从基础模型接入、微调到代理构建的一系列功能，包括检索增强生成（RAG）、自动推理检查及多Agent协作等特性。此外，其模型蒸馏技术能够有效提升效率并降低运行成本，广泛适用于文本生成、虚拟助手、图像生成等多种应用场景。

AI项目与工具 2025年06月12日 88 点赞 0 评论 418 浏览

LatentLM

LatentLM是一款由微软与清华大学合作开发的多模态生成模型，能够统一处理文本、图像、音频等多种数据类型。它基于变分自编码器（VAE）和因果Transformer架构，支持自回归生成与跨模态信息共享，特别擅长图像生成、多模态语言模型及文本到语音合成等任务，其提出的σ-VAE进一步提升了模型的鲁棒性。

AI项目与工具 2025年06月12日 67 点赞 0 评论 418 浏览

Style AI

Style AI 是一款支持图像、视频生成与编辑的 AI 工具，能够将照片转换为各种艺术风格，如古典绘画或现代数字艺术，同时保留图像核心元素。用户可通过自然语言指令轻松编辑图像，支持无缝合并多张照片，生成集体照或新场景，并能根据文字描述直接生成图像和视频。该工具提供高效、精准的解决方案，适用于艺术创作、创意设计、视频制作、照片编辑及虚拟场景合成等多种场景。

AI项目与工具 2025年06月11日 30 点赞 0 评论 418 浏览