Vision Search Assistant
Vision Search Assistant (VSA) 是一种结合视觉语言模型与网络代理的框架，旨在提升模型对未知视觉内容的理解能力。它通过网络检索，使 VLMs 能够处理和回答有关未见图像的问题。VSA 在开放集和封闭集问答测试中表现出色，支持图像描述生成、网络知识搜索、协作生成等功能，可应用于图像识别、新闻分析、教育、电商和旅游等多个领域。
应用
GraphAgent
GraphAgent是一款基于人工智能的知识图谱构建与应用平台，集成了图生成、任务规划及任务执行三大模块，支持从结构化与非结构化数据中提取信息并形成知识图谱，具备自然语言交互、预测分析等功能。它通过图神经网络和大型语言模型实现高效的数据处理与语义理解，适用于学术研究、电商推荐、金融风控等多个领域。
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。
Hautech.AI
Hautech.AI 是一款基于AI技术的图像生成工具，可将平面产品图自动转换为逼真模特展示图。用户可自定义模特特征、背景和细节，适用于社交媒体、产品目录和广告制作等多种场景，提升内容多样性与市场竞争力，节省拍摄时间和成本。
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。
Sonantic.io
Sonantic Limited是一个利用人工智能，通过其API及网络应用程序进行内容创作、分析、编辑及分发的文字转语音工具。
OpenScholar
OpenScholar是一款由华盛顿大学与艾伦AI研究所联合研发的检索增强型语言模型，专为科学家设计，能够高效检索并综合海量科学文献信息，生成基于文献的事实性回答。该工具具备强大的跨学科适用性，涵盖计算机科学、生物医学等多个领域，同时支持自我反馈迭代优化，显著提升回答质量和引用可靠性。所有相关资源已完全开源，便于全球学者使用与研究。
