Pixel Reasoner
Pixel Reasoner是由多所高校联合开发的视觉语言模型，通过像素空间推理增强对视觉信息的理解和分析能力。它支持直接对图像和视频进行操作，如放大区域或选择帧，以捕捉细节。采用两阶段训练方法，结合指令调优和好奇心驱动的强化学习，提升视觉推理性能。在多个基准测试中表现优异，适用于视觉问答、视频理解等任务，广泛应用于科研、教育、工业质检和内容创作等领域。
深度学习
书生·筑梦2.0（Vchitect 2.0）
书生·筑梦2.0是一款由上海人工智能实验室开发的开源视频生成大模型，支持文本到视频和图像到视频的转换，生成高质量的2K分辨率视频内容。它具备灵活的宽高比选择、强大的超分辨率处理能力以及创新的视频评测框架，适用于广告、教育、影视等多个领域。
ElevenLabs
ElevenLabs 是一个为内容创作者和出版商提供功能强大且用途广泛的 AI 语音软件的平台。它允许用户使用其先进的多用途 AI 语音工具以任何语音和风格生成高质量的口语音频。
CapsWriter
CapsWriter-Offline是一款基于PC端的离线语音输入与字幕转录工具，支持实时语音转文字功能，具备高准确率和无限时长录音能力。其核心技术依托于深度学习模型，可处理中英文混合语音，并提供热词自定义功能以提升特定术语的识别效果。此工具适用于会议记录、学术讲座、视频字幕生成等多种场景，同时确保用户数据的安全与隐私。
---
文心大模型X1 Turbo
文心大模型X1 Turbo是百度推出的深度思考型AI模型，具备强大的逻辑推理和多模态处理能力，适用于内容创作、智能问答、任务规划等多个领域。相比前代产品，性能提升显著，价格更具竞争力，支持复杂场景下的高效应用。
LuminaBrush
LuminaBrush是一款基于深度学习的图像照明生成工具，采用两阶段处理流程：首先提取图像的均匀光照状态，再根据用户涂鸦生成具体光照效果。它支持实时调整光照参数，适用于复杂图像细节处理，广泛应用于数字艺术、游戏设计、影视后期等领域。工具提供交互式界面，便于用户高效创作。
