工具

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器,通过结合局部与全局token,提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息,增强细节感知能力。在多个基准测试中表现优异,尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略,提高模型泛化能力,适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

LivePPT

LivePPT是一款依托AI技术的高效PPT制作工具,能够快速生成包含专业排版与配色的演示文稿。支持用户通过输入关键词或粘贴文本的方式创建内容,并提供丰富的自定义选项,如模板风格调整、页数设定及后续美化处理。该工具广泛应用于职场、教育及生活领域,极大提升了文档制作效率。

unbounce

Unbounce是一款AI驱动的网站构建工具,专为营销人员设计,用于创建高转化率的落地页。其核心功能包括AI文案生成、A/B测试、实时数据分析及自动优化,支持用户轻松定制页面并整合各类营销工具。适用于产品发布、广告投放、内容营销等多种场景,助力提升营销活动的效果。

Spatial

Spatial-RAG是一种用于增强大型语言模型空间推理能力的框架,融合了稀疏空间检索与密集语义检索技术。它通过多目标优化策略平衡空间约束与语义相关性,生成准确、连贯的自然语言回答。该工具可应用于旅游推荐、智能导航、城市规划、地理问答和物流配送等多个领域,提升了空间数据处理的智能化水平。

Zeemo.ai

Zeemo,这是一款快速的 AI 字幕工具,可以为您的视频自动生成和翻译字幕。

ebook2audiobookXTTS

ebook2audiobookXTTS是一款开源AI工具,可将EPUB、PDF、MOBI等多种电子书格式转换为高质量的有声书(.m4b)。通过集成Calibre和Coqui XTTS技术,支持多语言处理和章节识别,同时保留电子书元数据,适用于个人学习、教育培训、企业培训以及公共图书馆等场景,帮助用户高效获取知识。

雁阵

一款以甘特图为核心的项目管理软件,以可视化的形式为用户提供专业的项目管理软件服务。

dorik

Dorik是一款基于AI技术的无代码网站构建平台,支持用户通过简单的提示快速创建美观且功能齐全的网站,无需编码或设计经验。平台提供白标CMS、博客平台、会员站点、SEO工具、Airtable集成等功能,并配备了丰富的模板和预设计UI组件。AI工具可自动生成文本和图像内容,加速网站构建过程。

TransPixar

TransPixar是由多所高校及研究机构联合开发的开源文本到视频生成工具,基于扩散变换器(DiT)架构,支持生成包含透明度信息的RGBA视频。该技术通过alpha通道生成、LoRA微调和注意力机制优化,实现高质量、多样化的视频内容生成。适用于影视特效、广告制作、教育演示及虚拟现实等多个领域,为视觉内容创作提供高效解决方案。

GPT-SoVITS

一个强大的语音合成工具,特别适合需要快速生成特定人声的场景。它通过先进的技术实现了高质量的语音克隆和文本到语音转换,支持多种语言,并提供了易于使用的WebUI工具。