工具

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器,通过结合局部与全局token,提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息,增强细节感知能力。在多个基准测试中表现优异,尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略,提高模型泛化能力,适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

Aqua Voice

Aqua Voice 是一款AI驱动的语音转录与文档编辑工具,支持语音转文字、自然语言指令编辑、自动格式优化及多语言处理。它适用于高效写作、辅助输入及跨平台办公场景,兼容多种主流应用,提升文本创作效率与准确性。

LightPDF

LightPDF是一款基于AI的在线PDF处理工具,支持格式转换、OCR识别、文本编辑、注释标注、水印添加、页面操作、加密解密、数字签名等功能。用户可通过智能聊天功能提取文档关键信息并生成摘要,支持多语言处理。适用于文献管理、内容创作、移动扫描及文件处理等多种场景。

雁阵

一款以甘特图为核心的项目管理软件,以可视化的形式为用户提供专业的项目管理软件服务。

通往AGI之路

《通往 AGI 之路》! 这里旨在提供一个全面系统、易于理解的 AI 学习路径,帮助您了解 AI 从概念到应用等各方面知识。

Ymiai论文写作

毕业季将至,很多同学是不是都在为论文抓狂? 既要白天上班实习 又要晚上熬夜改论文,写实习报告...... 每天都焦虑的苦不堪言,但不要慌,今天我将手把手教大家如何利用Ymiai快速完成论文写作, 帮你攻克这个难题。

微博嘴替

微博嘴替是一款AI趣味分析工具,主要功能涵盖神吐槽、MBTI性格分析、优点识别、人生Emoji、情感分析、健康分析和财运预测。它能分析微博用户的行为和内容,生成幽默而具洞察力的评论,帮助用户从不同角度了解自己。微博嘴替可用于个人娱乐、社交媒体互动、内容创作及心理调适等多种场景。

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。

面包多

你可以把任何有趣/有价值的内容(比如代码、微电影、漫画、小说、知识、游戏、资料、素材等)变成付费版,出售给需要的人。

Bing Video Creator

Bing Video Creator是微软推出的AI视频生成工具,基于OpenAI的Sora模型,用户可通过输入文本描述快速生成5秒短视频。支持9:16格式,提供快速模式和标准模式,初始有10次免费生成机会。功能包括视频生成、多种风格选择、视频存储和分享等,适用于广告、教学、创意和个人娱乐等多种场景。