深度学习

Surya

Surya是一款开源OCR工具包,专注于文档识别,支持90多种语言的文本提取与分析。它能够识别文档中的文本、表格、图片及标题等布局元素,并确保文本阅读顺序的准确性。凭借其高效的表格识别能力和优化的算法,Surya在处理复杂文档时表现出色,广泛应用于文档数字化、数据提取、多语言处理以及学术研究等领域。 ---

MangaNinja

MangaNinja是一款基于参考图像的线稿上色工具,采用Reference U-Net和Denoising U-Net架构,结合补丁重排模块与点驱动控制方案,实现高精度、细粒度的上色效果。其可处理复杂场景、多参考图像协调及极端姿势等问题,广泛应用于漫画创作、插画设计、平面设计和数字艺术等领域。

机器之心

机器之心是中国领先的人工智能科技媒体,提供最新的AI新闻、研究论文和产业动态,专业的人工智能信息服务平台。

WebThinker

WebThinker是一款由多家科研机构联合开发的AI工具,旨在增强大型推理模型在复杂任务中的表现。它支持自主搜索、网页导航与实时报告生成,结合深度网页探索器和强化学习策略,提升信息获取与内容创作的效率与质量。适用于科学研究、数据分析、教育辅助等多种场景,显著增强了模型在知识密集型任务中的可靠性与实用性。

STranslate

STranslate是一款面向Windows用户的多功能翻译和OCR工具,支持多种语言翻译,包括划词、截图和监听剪贴板等多种方式,并集成了多家翻译服务接口。它还具备基于PaddleOCR技术的离线OCR功能,支持中文、英文、日文和韩文的识别。此外,该工具还具备快捷键操作、历史记录和在线升级等功能,是提高工作效率的理想工具。

SHMT

SHMT是一种基于自监督学习的高级化妆转移技术,由阿里巴巴达摩院与武汉理工大学联合研发。该技术无需成对训练数据,可将多种化妆风格自然迁移到目标面部图像上,通过“解耦-重建”策略和迭代双重对齐模块,实现高精度的纹理控制与对齐校正。适用于图像处理、虚拟试妆、影视设计等多个领域,具有高效、灵活、高质量的特点。

ChatTTSPlus

ChatTTSPlus 是一款基于深度学习的语音合成工具,它通过 TensorRT 技术实现了显著的性能提升,同时支持语音克隆、模型压缩与加速等功能。该工具不仅适用于桌面端,还能够部署于移动设备,满足多种应用场景需求,包括有声读物制作、语言学习辅助、客户服务及娱乐等领域。 ---

VeoGo AI

VeoGo AI 是一款基于深度学习的短视频流量预测工具,可提前分析视频表现并提供优化建议,帮助创作者提升曝光与点击率。支持多平台算法适配,涵盖内容结构、画面构图、剪辑节奏、BGM选择等全方位优化指导,预测准确率超92%,适用于短视频创作与效率提升场景。

PixVerse V4

PixVerse V4 是一款基于 AI 的视频生成工具,支持通过文本或图片快速生成高质量视频,最快仅需 5 秒。具备音效生成、人声配音、视频风格转换等功能,适用于多种创作场景。其在语义理解、物理表现和特效处理方面有显著提升,适合个人创作、广告营销、教育及影视娱乐等领域使用。

AVD2

AVD2是由多所高校联合开发的自动驾驶事故视频理解框架,通过生成高质量事故视频并结合自然语言描述与推理,提升对复杂事故场景的理解能力。其功能涵盖事故视频生成、原因分析、预防建议及数据集增强,支持自动驾驶系统的安全优化与研究。基于先进模型如Open-Sora 1.2和ADAPT,AVD2在多项评估中表现优异,为自动驾驶安全提供了重要技术支撑。