学习
  1. 首页
  2. 学习

列表

Parakeet TDT 0.6B

Parakeet TDT 0.6B

Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别（ASR）模型，采用 FastConformer 和 TDT 架构，具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异，实时因子高达 3386，适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。
AI项目与工具 2025年06月11日
ASAP

ASAP

ASAP是一种由卡内基梅隆大学与英伟达联合开发的两阶段框架，用于解决仿人机器人在模拟与现实之间动力学不匹配的问题。它通过预训练阶段在模拟环境中学习运动策略，并在后训练阶段利用真实数据训练Delta动作模型，补偿动力学差异。该框架提高了机器人在复杂任务中的敏捷性、协调性和运动精度，支持多种应用场景，如体育、救援、工业、家庭服务及虚拟现实等，为仿人机器人的实际应用提供了高效的技术方案。
AI项目与工具 2025年06月12日
Marco

Marco

Marco是一款由阿里国际研发的大规模商用翻译大模型，支持15种主流语种，具备基于语境的精准翻译能力。其核心功能包括多语种翻译支持、跨境电商优化、多样化风格翻译以及高并发处理能力。Marco采用深度学习技术，结合多语言数据筛选和参数扩展方法，确保翻译质量和效率。它广泛应用于商品信息本地化、多语言客户服务、跨境电商平台及个人文档翻译等领域，助力全球化沟通。
AI项目与工具 2025年06月12日
Rephrasely

Rephrasely

有20种模式的Paraphrase工具，有助于澄清思维&amp；适合听众的语言。
AI写作对话 1970年01月01日
Textify

Textify

来自单一访问点的人工智能写作工具
AI写作对话 1970年01月01日
千影 QianYing

千影 QianYing

千影 QianYing 是一款由巨人网络推出的 AI 工具，包含游戏视频生成大模型 YingGame 和视频配音大模型 YingSound。YingGame 支持角色动作交互控制与物理仿真，YingSound 具备视频语义理解和时间对齐能力，两者结合可生成高质量的有声游戏视频。该工具旨在降低游戏开发门槛，促进创作平等，并推动游戏行业的创新发展。
AI项目与工具 2025年06月12日
libcom

libcom

libcom是一款由上海交通大学BCMI实验室开发的图像合成工具箱，支持图像融合、和谐化、阴影生成、对象放置及生成式合成等功能，采用传统图像处理与深度学习技术相结合的方式，提供高质量的合成图像解决方案。适用于增强现实、艺术创作、电子商务、影视制作及游戏开发等多个领域。
AI项目与工具 2025年06月12日
HybridRAG

HybridRAG

HybridRAG是一种结合了检索增强生成模型的混合架构，通过检索系统和生成模型的协同工作，生成更准确和丰富的输出。其主要功能包括信息检索、上下文理解、知识融合和生成能力。HybridRAG适用于多种自然语言处理任务，如问答系统、文本摘要和对话生成，能够利用大量外部知识提高生成内容的质量和相关性。
AI项目与工具 2025年06月12日
IMAGPose

IMAGPose

IMAGPose是由南京理工大学开发的统一条件框架，用于人体姿态引导的图像生成。其核心功能包括多场景适应、细节与语义融合、灵活对齐及全局一致性保障。通过FLC、ILC和CVA模块，解决了传统方法在生成多样姿态图像时的局限性，适用于虚拟现实、影视制作、电商展示等多个领域。
AI项目与工具 2025年06月12日