多模态交互
达闼RobotGPT多模态大模型
达闼RobotGPT多模态大模型是一个创新的AI工具,它通过整合多模态数据处理能力,为机器人在多样化的应用场景中提供了强大的交互和行为生成能力。
LiveKit Agents
LiveKit Agents 是一款基于 Python 的多模态 AI 工具框架,支持实时语音、视频和数据交互。其核心功能包括基于 WebRTC 的低延迟通信、与 OpenAI 等服务的深度集成、丰富的插件生态系统以及负载均衡与自动扩展能力。适用于虚拟助手、客户服务、实时翻译、视频内容审核等多个应用场景。
Add To Cart AI
Add To Cart AI 是一款基于AI技术的电商购物助手,支持多模态交互,能快速将购物清单、图片或聊天内容转化为购物车内容。结合生成式AI和语义搜索技术,提供个性化推荐与智能问答服务,提升购物效率与用户体验。适用于电商平台、品牌官网及社交媒体,支持品牌定制与数据安全保护。
VideoRefer
VideoRefer是由浙江大学与阿里达摩院联合开发的视频对象感知与推理系统,基于增强型视频大型语言模型,实现对视频中对象的细粒度理解与分析。其核心包括大规模视频数据集、多功能空间-时间编码器和全面评估基准,支持对象识别、关系分析、推理预测及多模态交互等功能,适用于视频剪辑、教育、安防、机器人控制和电商等多个领域。