AI

SigLIP 2

SigLIP 2 是 Google DeepMind 开发的多语言视觉-语言模型,具有强大的图像与文本对齐能力。它支持多种语言输入,具备零样本分类、图像-文本检索等功能,并通过 Sigmoid 损失函数和自监督学习技术提升训练效率与模型性能。其支持多种分辨率的变体,适用于文档理解、视觉问答及开放词汇任务。该模型基于 Vision Transformer 架构,具备良好的兼容性。

Searcholic

AI驱动的电子书和文档搜索引擎,,让用户能够轻松搜索、发现和访问各种来源的各种电子书和文档,包括学术论文、研究文章、技术文档、小说等。

麦当秀MindShow

MindShow是一款在线AI PPT生成和演示工具,它能够帮助用户快速创建高质量的演示文档。通过结合定制算法和智能设计能力,用户可以将想法和内容高效地转化为专业的PPT演示文稿。MindShow支持从多种格式的文档导入内容,并提供智能文档翻译功能,用户可以轻松生成多语言演示文档。其主要功能包括一键智能生成PPT、自动设计图片、多格式导入支持、智能文档翻译、丰富的模板和主题以及在线协作编辑。

UI

UI-TARS是由字节跳动开发的图形用户界面代理模型,支持通过自然语言实现桌面、移动端和网页的自动化交互。具备多模态感知、跨平台操作、视觉识别、任务规划与记忆管理等功能,适用于自动化任务执行和复杂交互场景。支持云端与本地部署,提供丰富的开发接口,便于集成与扩展。

Codestral

Codestral是由Mistral AI开发的一款代码生成AI模型,支持超过80种编程语言,具备强大的代码补全、生成、测试和文档生成等功能。该模型拥有220亿参数和32k的上下文窗口,性能优越,适用于软件开发中的多种场景,包括代码编写、测试、重构和文档生成等。支持MNPL许可,主要用于非商业用途的研究和测试。

PhotoAid

PhotoAid出品的证件照, 驾驶证, 护照, 简历, 智能证件照AI生成工具。

Songdio AI

一个可以通过简单的几步就可生成音乐歌曲的AI音乐生成工具,适合那些没有任何音乐知识的人使用。

ChatMax聚言

ChatMax聚言是一个利用大模型技术为企业解锁专家级数字员工的平台。它通过垂直行业模型,提供自然语言交互和易于使用的AI服务,满足不同工作流程的需求。

Kokoro

Kokoro-TTS是一款由hexgrad开发的轻量级文本转语音工具,基于StyleTTS 2与ISTFTNet架构,支持多种语音风格和自然语调,具备实时处理能力。支持美式与英式英语,提供10种语音包,适用于教育、游戏、客服等多种场景。支持本地部署与API集成,确保数据安全与高效运行。

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。