学习

1. 首页
2. 学习

MM1.5

MM1.5是苹果公司研发的多模态大型语言模型，具备强大的文本与图像理解能力，包括视觉指代、定位及多图像推理功能。它通过数据驱动的训练方法，实现了从1B到30B参数规模的性能提升，并推出了视频和移动UI专用版本，为多模态AI技术发展提供重要参考。主要应用场景涵盖图像与视频理解、视觉搜索、辅助驾驶、智能助手及教育领域。

AI项目与工具 2025年06月12日 64 点赞 0 评论 574 浏览

Photomath

Photomath是一款基于人工智能技术的数学学习应用，通过手机摄像头扫描数学题目，提供详细的解题步骤和解释。它支持从基础算术到复杂代数、几何和微积分问题的解答，拥有多种解题方法、动画和视觉辅助等功能，适合学生、家长和教师使用，旨在通过互动式学习提升数学能力，并为教学提供辅助支持。

AI项目与工具 2025年06月12日 34 点赞 0 评论 575 浏览

ClassPoint AI

ClassPoint AI 是一种由 AI 驱动，可从 PowerPoint 幻灯片生成测验问题。它使用先进的人工智能技术来分析幻灯片内容，只需单击一下即可创建发人深省的问题。

PPT资源 2025年06月05日 40 点赞 0 评论 576 浏览

Optimus

Optimus-1是一款由哈尔滨工业大学（深圳）和鹏城实验室联合开发的智能体框架，专为开放世界环境中的长期任务设计。它结合结构化知识与多模态经验，通过混合多模态记忆模块（HDKG与AMEP）提升任务规划与执行能力。主要功能包括知识引导规划、经验驱动反思、行动控制及自我进化，已在游戏、虚拟助理、工业自动化等领域得到验证。

AI项目与工具 2025年06月12日 98 点赞 0 评论 577 浏览

Gemini Robotics

Gemini Robotics 是谷歌 DeepMind 基于 Gemini 2.0 开发的机器人系统，融合视觉-语言-动作模型，支持复杂任务执行与环境适应。具备三维空间理解、物体检测、轨迹预测和开放词汇指令执行能力，适用于工业制造、物流仓储、家庭服务、医疗健康等多个领域。系统通过数据驱动训练，结合真实操作与多模态信息，实现高效、灵活的机器人控制。

AI项目与工具 2025年06月12日 17 点赞 0 评论 577 浏览

SignLLM

SignLLM是一款支持多语言手语生成的AI模型，能将文本转换为自然流畅的手语视频，覆盖包括ASL、GSL、LSA、KSL在内的八种手语。其核心技术包括离散化与层次化表示、自监督学习、符号-文本对齐等。该工具可用于教育、医疗、法律、媒体等多个场景，提升听障人群的沟通便利性与信息获取能力。

AI项目与工具 2025年06月12日 86 点赞 0 评论 577 浏览

SumBuddy

一款浏览器AI阅读助手，能快速总结网页内容并基于此进行对话。你还可以使用自己的AI模型，打造真正属于你的浏览器AI助手。

Ai办公效率 2025年06月05日 81 点赞 0 评论 578 浏览

EasyControl

EasyControl是基于扩散变换器（DiT）架构的高效控制框架，采用轻量级LoRA模块实现多条件控制，支持图像生成、风格转换、动画制作等任务。其具备位置感知训练范式和因果注意力机制，优化计算效率，提升生成质量与灵活性，适用于多种图像处理场景。

AI项目与工具 2025年06月12日 48 点赞 0 评论 578 浏览

MCP Course

MCP Course是Hugging Face推出的免费开源课程，专注于教授如何利用模型上下文协议（MCP）构建具有上下文感知能力的AI应用。课程涵盖理论学习、实践操作、用例训练和行业合作等内容，适合不同层次的开发者。学员可获得认证，提升在AI系统集成方面的专业能力。课程内容结构清晰，注重实际应用，助力开发者掌握MCP技术并应用于真实场景。

AI项目与工具 2025年06月11日 79 点赞 0 评论 578 浏览

VoiceCanvas

VoiceCanvas 是一款开源的多语言语音合成平台，基于 AI 技术提供高质量文字转语音服务，支持超过 50 种语言。用户可通过上传简短音频实现个性化声音克隆，并集成多种语音服务以保障输出质量。平台适用于内容创作、教育、企业及个人等多种场景，提升语音内容制作效率。

AI项目与工具 2025年06月11日 96 点赞 0 评论 578 浏览