语言处理

MaskGCT

MaskGCT是一款基于掩码生成模型与语音表征解耦编码技术的语音合成大模型,由趣丸科技与香港中文大学(深圳)联合开发。其主要功能包括声音克隆、跨语种语音合成、语音控制及高质量语音数据集支持。该模型在多个TTS基准数据集上表现优异,可快速精准地克隆音色并灵活调整语音属性,适用于多种语言,已开源并面向全球用户开放。

商量智能助手

商汤科技研发的一款基于自然语言处理技术的人工智能大语言模型。它具备强大的语言理解和生成能力,能够高效地解答用户的问题,提供定制化建议,并辅助创作高质量文本。

ChatBotKit

ChatBotKit是一个领先的对话式AI平台,专为简化高级对话系统的开发而设计。它允许用户通过简单的界面快速创建和部署聊天机器人,支持多渠道集成,并强调数据隐私保护。主要功能包括强大的自然语言处理、灵活的数据集管理和定制化机器人配置,适用于客户服务、销售支持、教育培训等多个领域。

TaskWeaver

TaskWeaver是一款由微软推出的代码优先AI智能体框架,专为数据分析任务设计。它能够将自然语言请求转化为可执行代码片段,并通过插件系统实现复杂任务处理,支持多种数据结构和状态化执行,具备代码安全验证和会话隔离功能,适用于自动化报告生成、数据清洗、自定义算法实现及学术研究等领域。

Toucan TTS

Toucan TTS是一款由德国斯图加特大学自然语言处理研究所开发的文本到语音合成工具箱。它基于Python和PyTorch构建,支持超过7000种语言及多种方言和变体。主要功能包括多说话人语音合成、语音风格克隆、人机交互编辑、语音参数调整以及发音清晰度和性别特征调整。该工具箱适用于语音模型教学、文字朗读和多语言应用开发等场景,并提供在线交互式演示功能,方便用户快速理解和使用。

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型,结合Whisper编码器与Qwen2 LLM,支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略,提升模型泛化能力和稳定性。基于约5万小时语音数据训练,性能优异,适用于智能客服、教育、心理健康监测等多个领域。

Browser Operator

Browser Operator 是 Opera 浏览器推出的 AI 工具,通过自然语言指令实现网页浏览任务的自动化操作,如购物、预订、信息收集等。支持用户随时监控和干预任务,所有操作在本地完成,确保数据隐私。适用于多种日常场景,提升浏览效率和用户体验。

有挂

“有挂”是一款基于自然语言处理技术的浏览器AI插件,允许用户通过简单命令或对话修改网页内容,无需编程知识。它支持多种浏览器,具备个性化定制、跨平台兼容及保存功能,可帮助用户轻松调整网页样式,如改变背景颜色、添加功能等。此外,“有挂”还能用于去除广告、优化网页布局以及辅助学习和数据提取。

GraphMaker

GraphMaker是一款基于AI的图表制作工具,能够通过自然语言理解实现数据可视化。它支持多种数据格式,可生成柱状图、饼图、散点图等多样化图表,并提供编辑和美化功能,广泛应用于商业报告、学术研究、市场分析等领域,注重数据安全与用户体验。

ILLUME

ILLUME是一款基于大型语言模型的统一多模态大模型,集成了视觉理解与生成能力,采用“连续图像输入 + 离散图像输出”架构,通过语义视觉分词器和三阶段训练流程,实现了高效的数据利用和多模态任务处理能力。模型能够无缝整合视觉理解与生成功能,广泛应用于视频分析、医疗诊断、自动驾驶及艺术创作等领域。