AI项目与工具

ViLAMP

ViLAMP是由蚂蚁集团与中国人民大学联合开发的视觉语言模型,专为高效处理长视频设计。采用混合精度策略,支持在单张A100 GPU上处理长达3小时的视频,提升处理效率并降低计算成本。具备长视频理解、关键信息提取、多任务处理等功能,适用于教育、监控、直播、影视制作及智能客服等场景。技术上通过差分关键帧选择与特征合并优化性能,实现精准且高效的视频分析。

iFable

iFable 是一个基于AI技术的互动角色扮演游戏平台,允许用户通过简单输入生成沉浸式故事体验。玩家可参与动态叙事,影响剧情发展,并与AI角色建立情感连接。平台支持多种故事类型,具备个性化定制功能,并鼓励用户分享创作成果。适用于娱乐、社交、创作及情感陪伴等多种场景。

DecipherIt

DecipherIt是一款AI驱动的研究助手工具,能够将多种主题、链接和文件转化为AI生成的研究笔记本。它提供全面的总结、互动问答、音频概述、可视化思维导图及自动化的FAQ生成等功能。基于Bright Data的MCP服务器,DecipherIt可突破地理限制和反爬虫检测,获取全球信息。同时,它采用多智能体AI框架CrewAI,高效整合多源数据,适用于学术研究、市场分析、教育学习等多个场景。

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。

Conbrie

Conbrie 是一款基于 AI 的知识整理与学习工具,支持文档解析、知识卡片生成、思维导图创建等功能,帮助用户高效整理和复习知识。具备多平台兼容性和多种文件导出格式,适用于个性化学习、在线教学等多种场景,提升学习效率与知识系统化程度。

Gemini Fullstack LangGraph Quickstart

Gemini Fullstack LangGraph Quickstart 是谷歌DeepMind推出的开源项目,旨在帮助开发者快速搭建基于 Google Gemini 2.5 和 LangGraph 的全栈智能研究助手。项目包含 React 前端和 LangGraph 后端,支持动态生成搜索查询、网络研究、反思推理、迭代优化搜索结果,并生成带有引用的综合答案。支持本地开发和 Docker 部署,

Muyan

Muyan-TTS是一款面向播客场景的开源文本转语音工具,基于超10万小时播客数据训练,支持零样本语音合成与说话人适配,可在0.33秒内生成1秒音频,适合实时与长内容合成。支持本地部署与API调用,应用于播客、有声书、视频配音、AI角色及新闻播报等领域,兼具高效性与灵活性。

豆包1.5·UI

豆包1.5·UI-TARS是字节跳动推出的一款面向图形用户界面(GUI)的智能代理模型,具备视觉理解、逻辑推理和操作执行能力。它无需预定义规则,即可实现端到端的GUI任务自动化,适用于办公、测试、客服及机器人交互等多个场景。模型基于多模态融合与端到端学习技术,支持高效的界面交互与精准的视觉定位。

GitFriend

GitFriend 是一款基于 AI 技术的 GitHub 辅助工具,支持 AI 聊天答疑、动态生成 README 文件、Gitmoji 表情符号集成以及 Google 账号登录等功能,旨在提升开发效率和项目管理体验,适合开发者及团队使用。

InternVL3

InternVL3是上海人工智能实验室推出的多模态大型语言模型,具备文本、图像、视频等多模态数据处理能力。采用原生多模态预训练方法,提升语言与视觉理解效率,并支持工具使用、3D视觉、工业图像分析等复杂任务。模型可通过API部署,适用于智能交互、图像识别、视频分析及客服系统等多种场景。