模型

1. 首页
2. 模型

OmniParser

OmniParser是一款由微软研究院开发的屏幕解析工具，能够将UI截图转换为结构化数据，通过识别可交互图标和提取功能语义，提升基于大型语言模型的UI代理系统的性能。它支持跨平台应用，无需依赖额外信息，适用于自动化软件测试、虚拟助手、辅助技术等多个领域。

AI项目与工具 2025年06月12日 29 点赞 0 评论 775 浏览

Video Alchemist

Video Alchemist是一款由Snap公司研发的视频生成模型，支持多主体和开放集合的个性化视频生成。它基于Diffusion Transformer模块，通过文本提示和参考图像生成视频内容，无需测试优化。模型引入自动数据构建和图像增强技术，提升主体识别能力。同时，研究团队提出MSRVTT-Personalization基准，用于评估视频个性化效果。该工具适用于短视频创作、动画制作、教育、剧

AI项目与工具 2025年06月12日 26 点赞 0 评论 775 浏览

Platon.AI

Platon.AI柏拉图智能不仅仅是 AI 爬虫，也是 AI agents 的基础设施。 AI agents 要使用工具，就必须高速阅读理解在线网页，理解网页上的每一个元素——这就是 platon.AI 的技术。

Ai开源项目 2025年06月05日 95 点赞 0 评论 775 浏览

Whispo

Whispo是一款AI驱动的语音转录工具，支持用户通过快捷键快速录制语音并将其转写为文本，同时具备本地数据处理、隐私保护及基于大型语言模型的文本后处理功能。它适用于会议记录、教育、自动字幕生成等多个场景，旨在提升工作效率和用户体验。

AI项目与工具 2025年06月12日 47 点赞 0 评论 774 浏览

绘世启动器

绘世启动器是由B站UP主@秋葉aaaki开发的电脑桌面应用，旨在简化Stable Diffusion-WebUI项目的启动和管理。它支持一键启动、修复、更新、模型下载、模型管理和模型训练等功能，特别适合低配电脑和无编程基础的用户。启动器内置疑难解答系统，能够诊断并解决常见错误，同时支持部署SD-WebUI、ComfyUI等多种WebUI界面，便于用户构建完整的环境。

AI项目与工具 2025年06月12日 66 点赞 0 评论 774 浏览

百聆

百聆是一款开源语音对话系统，融合语音识别、语音活动检测、大语言模型和语音合成技术，实现自然流畅的语音交互。支持低延迟运行，无需GPU，适用于边缘设备。具备记忆、工具调用和任务管理等功能，适用于智能家居、个人助理、车载系统等多种场景，提供高效的语音交互解决方案。

AI项目与工具 2025年06月12日 90 点赞 0 评论 774 浏览

Vidu 1.5

Vidu 1.5是一款基于多模态视频大模型的AI生成工具，支持参考生视频、图生视频和文生视频生成，通过精准的语义理解能力，在30秒内完成高质量视频创作，适用于影视、动漫、广告等多行业场景，助力创作者高效产出多样化内容。

AI项目与工具 2025年06月12日 80 点赞 0 评论 774 浏览

OmniManip

OmniManip是由北京大学与智元机器人联合实验室开发的通用机器人操作框架，结合视觉语言模型与三维操作技术，实现机器人在非结构化环境中的任务执行。其核心为以对象为中心的交互基元表示法，支持零样本泛化、跨平台部署及大规模仿真数据生成。通过双闭环系统设计与任务分解机制，提升操作精度与适应性，适用于日常操作、工业自动化及服务机器人等场景。

AI项目与工具 2025年06月12日 53 点赞 0 评论 773 浏览

NineF AI

一站式免费主流AI大模型集成平台，集成了GPT、Claude、Llama等全球顶尖AI模型，提供多角度智能解答，助您提升工作效率和决策准确性。满足各类创作和研究需求。

Ai平台模型 2025年06月05日 96 点赞 0 评论 773 浏览

Yuxi

Yuxi-Know是一款基于RAG和知识图谱技术的智能问答平台，支持多种文档格式上传与向量化存储，可高效检索并生成准确答案。集成Neo4j知识图谱，支持复杂关系查询，兼容多模型平台及本地部署。提供智能体拓展、网页检索和可视化配置功能，适用于企业知识管理、教育、客服、医疗及科研等领域，提升信息处理效率与准确性。

AI项目与工具 2025年06月11日 78 点赞 0 评论 772 浏览