数字

olmOCR

olmOCR 是一款开源 PDF 文档处理工具,结合文档锚定技术和 Qwen2-VL-7B-Instruct 模型,可高效提取结构化文本并保留原始布局。支持多种文档类型,具备大规模批量处理能力和低成本优势,适用于学术研究、法律文件处理、企业文档管理及数字图书馆建设等多个场景。其开源特性与可扩展性也增强了用户的使用灵活性。

EchoMimicV2

EchoMimicV2是一款由阿里巴巴蚂蚁集团研发的AI数字人动画生成工具,能够基于参考图片、音频剪辑及手部姿势序列生成高质量的半身动画视频。它支持多语言(中英双语)输入,并通过音频-姿势动态协调、头部局部注意力及特定阶段去噪损失等技术手段显著提高了动画的真实度与细节表现力,适用于虚拟主播、在线教育、娱乐游戏等多个领域。

商汤如影SenseAvatar

商汤如影作为商汤科技旗下的产品,展现了其在人工智能领域的深厚实力和创新能力。通过提供多功能的大模型服务,商汤如影有助于推动各行业的智能化升级,实现降本增效,促进创新。

DreamAvatar

美图公司宣布,旗下AI数字人生成工具DreamAvatar上线,首期推出“AI演员”数字人服务,服务于视频内容创作、影视处理与剪辑等生产力场景。

PaintsUndo

PaintsUndo是一款AI驱动的绘画过程生成工具,适合数字艺术创作者和绘画爱好者。用户只需提供一张静态图像,PaintsUndo便能自动生成该图像的绘画全过

甲骨文AI协同平台

腾讯公司推出的一个专门用于甲骨文研究的AI工具平台。名为“殷契文渊”,在2024年5月28日正式上线。

GOT-OCR2.0

创新的OCR模型,它通过先进的技术提供了精准、高效的OCR解决方案。无论是文档数字化、场景文本识别还是票据处理等应用场景,GOT-OCR 2.0都能提供强大的支持。

AIGCPanel

AIGCPanel是一款开源的AI数字人系统,支持视频合成、声音合成与声音克隆等功能。它利用自然语言处理、计算机视觉技术和深度学习算法,实现高质量的音视频同步和自然语音生成。系统具有多语言支持、模型管理和日志查看功能,可应用于影视制作、虚拟主播、教育培训等多个领域。

Evryface

Evryface 是一款基于AI技术的照片生成工具,用户上传照片后可生成多种风格的数字孪生形象,支持超过100种风格选择,输出高清图像,适用于社交媒体、职业形象、艺术创作及宠物摄影等场景。平台注重隐私保护,操作便捷,支持批量生成,满足多样化需求。

MuseGate

MuseGate是一款依托生成式AI技术的电商营销工具,专注于服饰行业。它通过虚拟模特生成、场景定制、尺寸调整等功能,助力企业优化商品展示效果,降低运营成本,提升品牌形象。其核心功能包括虚拟模特生成、一键换装、场景定制、节点营销等,广泛应用于时尚展示、电子商务、广告宣传等领域。