工具

AgentCPM

AgentCPM-GUI是由清华大学与面壁智能团队联合开发的开源端侧GUI代理系统,专为中文应用场景优化。基于MiniCPM-V模型,支持通过截图输入并自主执行用户指令,具备高精度GUI元素识别与OCR能力。采用强化微调和紧凑动作空间设计,提升任务执行效率与移动端适配性。适用于智能助手、自动化测试、老年人辅助及企业应用等领域。

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架,旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间,实现从粗粒度到细粒度的信息获取,并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理,具备良好的可扩展性,适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。

Spatial

Spatial-RAG是一种用于增强大型语言模型空间推理能力的框架,融合了稀疏空间检索与密集语义检索技术。它通过多目标优化策略平衡空间约束与语义相关性,生成准确、连贯的自然语言回答。该工具可应用于旅游推荐、智能导航、城市规划、地理问答和物流配送等多个领域,提升了空间数据处理的智能化水平。

Markable AI

Markable AI 是一款基于AI技术的电商营销工具,支持图像与视频商品识别,并提供深度链接生成、拼贴图制作、亚马逊集成等功能。适用于创作者进行内容推广、电商营销和数据分析,提升内容转化率与收入。平台兼容多个电商平台,优化推广策略,提高运营效率。

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。

Rabbithole

Rabbithole 是一款基于AI的互动式知识探索工具,通过自然语言对话帮助用户深入了解历史事件和主题。平台支持对话记录保存、个性化内容推荐以及多样化的历史话题库,适用于历史爱好者、学生、教师及研究人员等多种用户群体,提升学习效率与知识获取深度。

DreamGen

DreamGen是英伟达推出的机器人学习技术,基于AI视频世界模型生成合成数据,使机器人能在梦境中学习新技能。它通过微调视频世界模型、生成虚拟数据、提取虚拟动作和训练下游策略四步流程,实现机器人在新环境中的行为和环境泛化。DreamGen无需大量真实数据,仅凭文本指令即可完成复杂任务,提升学习效率和泛化能力。其支持多种机器人系统和策略架构,适用于工业生产、家庭服务、医疗护理等多个领域。

TripoSR

TripoSR是一款由Stability AI与VAST联合开发的开源3D生成模型,能够在不到0.5秒内从单张2D图像生成高质量的3D模型。基于Transformer架构和大型重建模型(LRM)设计,采用先进的图像编码、三平面NeRF表示及优化训练策略,支持无GPU设备运行。适用于游戏开发、影视制作、建筑设计、产品设计等多个领域,具有高效、高精度和广泛适用性的特点。

水印一键去去去

一个免费在线的去水印工具,它使用人工智能技术,支持批量去除图片中的文字、标志,多余物体等多种水印,不压画质,保证高质不糊图。

魔力设

魔力设是一款集设计模板、版权素材和AI工具于一体的在线设计平台,支持海报、PPT、展板等多种设计类型。提供海量正版素材与在线编辑功能,结合AI智能抠图和PPT生成技术,提升设计效率。支持多格式导出,适用于商务、教育、营销及内容创作等多个场景。