助手

Valley

Valley是一款由字节跳动开发的多模态大语言模型,擅长处理文本、图像和视频数据,广泛应用于内容分析、图像和视频描述、电子商务及短视频平台等领域。其Eagle版本通过引入VisionEncoder增强了模型性能,支持灵活调整令牌数量,实现了更高效的多模态数据处理。Valley在多项基准测试中表现出色,尤其在参数规模较小的情况下依然保持优异的成绩。

Lookie

Lookie是一款基于AI技术的穿搭应用,用户可上传照片创建数字分身,试穿各类潮流服饰,并获取穿搭建议。它拥有丰富的服饰库,支持场景模拟及电商跳转功能,旨在提升用户日常与特殊场合的穿搭体验。

ChiChat

ChiChat是一款由AI技术支持的多功能智能助手平台,提供自然语言交互、文档分析、图像识别及创意图像生成等功能。其核心特性包括支持多页文档解析、多层图像识别、DALL-E图像生成以及实时搜索能力。ChiChat适用于客户服务、教育辅导、企业知识管理及个人事务处理等多种应用场景。

Freed

Freed是一款基于AI技术的医疗文档助手,通过语音转录和自然语言处理技术,实现医患对话的自动化记录与结构化文档生成。其核心功能包括环境感知技术、个性化学习以及多语言支持,广泛适用于门诊、住院、急诊及远程医疗等多种医疗场景,旨在减轻医生文书负担,提升工作效率。

Paperguide

Paperguide是一款结合了AI研究助理、文献管理和写作辅助功能的学术平台,支持用户通过AI搜索、论文简化、注释笔记、视频摘要等方式高效完成学术任务。其参考文献管理器和文本编辑器进一步提升了研究效率和写作质量,适用于科研人员、学生及教育工作者等群体。

OmniAudio

OmniAudio-2.6B是一款专为边缘设备设计的高性能音频语言模型,具备语音识别、转录、问答、对话生成及内容创作等核心功能。其技术优势在于多模态架构的高效集成、稀疏性利用以及三阶段训练流程,支持FP16和Q4_K_M量化版本,确保在资源受限的环境下仍能稳定运行。OmniAudio-2.6B可应用于智能助手、车载系统、会议记录、教育和医疗等多个领域,为用户提供便捷、高效的语音交互体验。

OCTAVE

OCTAVE是一款由Hume AI研发的语音语言处理工具,融合了多种领先AI技术,具备强大的个性化语音生成能力,支持从文字到语音的即时转化,并能精准模仿不同说话者的声线与情感表达。其主要功能包括多角色对话生成、复杂指令理解与响应,以及实时语音处理等。此外,OCTAVE可应用于客户服务、虚拟助手、教育培训、娱乐游戏等多个领域,为用户带来更加自然、生动的交互体验。

Doctronic

Doctronic是一款结合人工智能技术的在线医疗服务平台,支持用户通过文字或视频形式与医生互动,进行初步健康评估、症状诊断及个性化医疗建议。其核心功能包括AI健康咨询、视频医生访问、隐私保护以及处方开具等,同时提供专家转诊服务。Doctronic特别适合非紧急医疗需求、初步症状评估以及行动不便人群,尤其适用于远程医疗服务场景。

AgentScope

AgentScope是一个由阿里巴巴集团开源的多智能体开发平台,支持构建和部署复杂的多智能体应用。它提供易用的拖拽式界面、实时监控和丰富的开发资源,涵盖聊天、图像生成、文本嵌入等任务。AgentScope具备高鲁棒性、分布式支持及容错机制,同时支持多模态数据处理和外部知识库的整合,适用于智能助手、客户服务、软件工程、社会模拟和教育培训等多个应用场景。

INFP

INFP是一款基于音频驱动的头部生成框架,专为双人对话设计,具备自动角色转换功能。它通过两个阶段实现头部生成:基于动作的头部模仿和音频引导的动作生成。同时,INFP提出了大规模双人对话数据集DyConv,推动了相关领域的研究进展。该工具适用于视频会议、虚拟助手、教育培训、客户服务等多个场景,支持实时互动并可调节生成风格。