场景

1. 首页
2. 场景

达闼RobotGPT多模态大模型

达闼RobotGPT多模态大模型是一个创新的AI工具，它通过整合多模态数据处理能力，为机器人在多样化的应用场景中提供了强大的交互和行为生成能力。

创作工具 2026年11月15日 0 点赞 0 评论 1019 浏览

灵动AI

灵动 AI 商品图是新一代人工智能生图工具。利用 AI 生成技术，快速创造高质量商品场景图。

Ai绘画生成 2025年06月05日 35 点赞 0 评论 1015 浏览

Enhance

Enhance-A-Video是一款由多所顶尖高校联合研发的视频生成增强算法，专注于提升AI生成视频的质量，特别是在对比度、清晰度及细节真实性方面具有显著优势。其核心技术基于时间注意力机制优化，无需额外训练即可高效提升视频效果，适用于视频创作、学术研究、在线平台等多个领域。

AI项目与工具 2025年06月12日 12 点赞 0 评论 1008 浏览

HumanOmni

HumanOmni 是一款面向人类中心场景的多模态大模型，融合视觉与听觉信息，具备情感识别、面部描述、语音理解等功能。基于大量视频与指令数据训练，采用动态权重调整机制，支持多模态交互与场景理解。适用于影视分析、教育、广告及内容创作等领域，具备良好的可扩展性和灵活性。

AI项目与工具 2025年06月12日 92 点赞 0 评论 1008 浏览

TrackVLA

TrackVLA是银河通用推出的端到端导航大模型，具备纯视觉环境感知、语言指令驱动、自主推理和零样本泛化能力。它能在复杂环境中自主导航、灵活避障，并根据自然语言指令识别和跟踪目标对象。无需提前建图，适用于多种场景，如陪伴服务、安防巡逻、物流配送等，为具身智能商业化提供支撑，推动机器人走向日常生活。

AI项目与工具 2025年06月11日 79 点赞 0 评论 1008 浏览

LLaVA

LLaVA-OneVision是字节跳动开发的开源多模态AI模型，主要功能包括多模态理解、任务迁移、跨场景能力、开源贡献及高性能。该模型采用多模态架构，集成了视觉和语言信息，通过Siglip视觉编码器和Qwen-2语言模型，实现高效特征映射和任务迁移学习。广泛应用于图像和视频分析、内容创作辅助、聊天机器人、教育和培训以及安全监控等领域。

AI项目与工具 2025年06月12日 34 点赞 0 评论 1007 浏览

破壳AI口语

破壳AI口语是一款基于AI技术的英语口语学习工具，涵盖生活、校园、旅游、职场等多场景对话，帮助用户提升流利度、语法和发音。支持雅思口语模考打分、实时纠错、地道表达润色等功能，用户可与多样虚拟角色互动，增强学习趣味性。适用于日常交流、留学、职场、旅游及考试备考等场景，助力用户高效提升英语口语能力。

AI项目与工具 2025年06月11日 97 点赞 0 评论 1006 浏览

CAVIA

CAVIA是一款由苹果、得克萨斯大学奥斯汀分校和谷歌联合研发的多视角视频生成框架。它通过单一输入图像生成多个时空一致的视频序列，并采用视角集成注意力模块增强视频的一致性和连贯性，支持用户精准控制相机运动。此外，CAVIA利用多种数据源进行联合训练，优化生成视频的质量和真实感，在虚拟现实、增强现实以及电影制作等领域具有重要价值。

AI项目与工具 2025年06月12日 76 点赞 0 评论 1006 浏览

AgiBot World

AgiBot World是一个由智元机器人开发的百万真机数据集，专注于具身智能技术的研究。它涵盖了80多种日常生活技能，涉及家居、餐饮、工业、商超及办公五大场景，数据规模和质量均领先于谷歌的Open X-Embodiment。数据采集利用了智元自建的工厂和实验基地，通过8个摄像头和6自由度灵巧手等先进硬件，确保了全域真实场景下的高质量数据获取。项目还计划开源仿真数据、发布具身基座大模型及配套工具链

AI项目与工具 2025年06月12日 10 点赞 0 评论 1004 浏览

VirtuLook

wondershare VirtuLook，AI电商图片生成神器。

电商运营 2025年06月05日 22 点赞 0 评论 1002 浏览