端到端

1. 首页
2. 端到端

运小沓Cuber

运小沓Cuber作为全球供应链超自动化平台，通过其创新的技术和解决方案，帮助企业实现数字化转型，提升运营效率，降低成本，并在竞争激烈的市场中保持领先。

创作工具 1970年01月01日 0 点赞 0 评论 194 浏览

MMedAgent

MMedAgent是一款面向医疗领域的多模态AI平台，集成了指令优化的多模态大型语言模型（MLLM）及一系列定制化医疗工具，支持多种医学成像模式（如MRI、CT、X射线等），可高效处理视觉问答、分类、定位、分割、医学报告生成（MRG）及检索增强生成（RAG）等任务，显著提升了医疗数据处理效率与准确性。

AI项目与工具 2025年06月12日 45 点赞 0 评论 211 浏览

The Language of Motion

The Language of Motion是一款由斯坦福大学李飞飞团队开发的多模态语言模型，能够处理文本、语音和动作数据，生成对应的输出模态。该模型在共同语音手势生成任务上表现出色，且支持情感预测等创新任务。它采用编码器-解码器架构，并通过端到端训练实现跨模态信息对齐。The Language of Motion广泛应用于游戏开发、电影制作、虚拟现实、增强现实及社交机器人等领域，推动了虚拟角色自

AI项目与工具 2025年06月12日 100 点赞 0 评论 228 浏览

心辰Lingo语音大模型

实现了从语音输入到语音输出的全程无缝对接，心辰Lingo能够直接理解语音内容，捕捉语气、节奏和情绪，并以同样丰富的语音形式进行回复。

Ai平台模型 2025年06月05日 84 点赞 0 评论 235 浏览

EMMA

EMMA是一款基于Gemini模型的端到端自动驾驶多模态模型，可直接从原始相机传感器数据生成驾驶轨迹并执行多种任务，如3D对象检测、道路图元素识别及场景理解。该模型利用自然语言处理技术实现跨任务协作，并展现出强大的泛化能力，但在某些方面仍需改进。

AI项目与工具 2025年06月12日 38 点赞 0 评论 245 浏览

StableAnimator

StableAnimator是一款由复旦大学、微软亚洲研究院、虎牙公司及卡内基梅隆大学联合开发的高质量身份保持视频生成框架。它能够根据参考图像和姿态序列，直接生成高保真度、身份一致的视频内容，无需后处理工具。框架集成了图像与面部嵌入计算、全局内容感知面部编码器、分布感知ID适配器以及Hamilton-Jacobi-Bellman方程优化技术，确保生成视频的流畅性和真实性。StableAnimato

AI项目与工具 2025年06月12日 14 点赞 0 评论 264 浏览

Maestro

Maestro是一款高效的端到端自动化测试框架，支持移动和Web应用的全面测试。具备内置容错机制和自动等待功能，提升测试稳定性。采用声明式YAML语法，支持快速迭代与跨平台兼容，适用于多设备和浏览器环境。适合开发团队在CI/CD流程中高效进行UI测试。

AI项目与工具 2025年06月12日 40 点赞 0 评论 271 浏览

豆包1.5·UI

豆包1.5·UI-TARS是字节跳动推出的一款面向图形用户界面（GUI）的智能代理模型，具备视觉理解、逻辑推理和操作执行能力。它无需预定义规则，即可实现端到端的GUI任务自动化，适用于办公、测试、客服及机器人交互等多个场景。模型基于多模态融合与端到端学习技术，支持高效的界面交互与精准的视觉定位。

AI项目与工具 2025年06月11日 31 点赞 0 评论 284 浏览

Magnitude

Magnitude 是一个开源的视觉 AI 代理驱动的端到端测试框架，支持自然语言编写测试用例，结合推理代理与视觉代理实现智能化测试流程。它具备本地运行、CI/CD 集成和托管服务等多种部署方式，适用于 Web 应用测试、自动化测试、生产环境监控等场景，提高测试效率与准确性。

AI项目与工具 2025年06月11日 88 点赞 0 评论 288 浏览

Skyo

Skyo是一款基于天工AI大模型技术的智能语音对话助手，具备快速响应、多语言对话、实时打断、情感化回应及个性化记忆等功能。它能根据用户情绪提供拟人化回复，并支持长时间对话和个性化声音定制。Skyo可应用于情感陪伴、个性化交互、多语言客服、时事新闻聊天、教育辅助和生活助理等多个场景，旨在为用户提供高质量的互动体验。

AI项目与工具 2025年06月12日 61 点赞 0 评论 334 浏览