语言处理

Open NotebookLM

Open NotebookLM是一个开源工具,能够将PDF文档转换为播客形式的音频内容。它基于Llama 3.1 405B、MeloTTS和Bark等先进AI模型,生成自然流畅的对话式音频,并支持多语言及个性化音调设置。用户可通过简单易用的Gradio界面上传PDF文件并下载MP3格式的音频文件,适用于教育、科研、商业分析等多个领域。

MineWorld

MineWorld是由微软研究院开发的基于《我的世界》的实时交互式AI模型,采用视觉-动作自回归Transformer架构,实现高保真、可控性强的场景生成。通过并行解码算法,模型可在每秒4至7帧的速度下实现实时交互,适用于具身智能、强化学习、游戏代理及视频生成等场景。其核心技术包括图像与动作标记器、Transformer解码器以及优化的训练与推理流程。

Moshi

Moshi是一款由法国Kyutai实验室开发的端到端实时音频多模态AI模型,具备听、说、看的能力,并能模拟70种不同的情绪和风格进行交流。Moshi具有多模态交互、情绪和风格表达、实时响应低延迟、语音理解与生成、文本和音频混合预训练以及本地设备运行等特点。它支持英语和法语,主要应用于虚拟助手、客户服务、语言学习、内容创作、辅助残障人士、研究和开发、娱乐和游戏等领域。

文小言电脑版

文小言电脑版是一款功能全面的桌面级智能助手,通过自然语言处理技术为用户提供文档解析、智能搜索、写作辅助等功能。它支持多格式文件的一键解析,提供个性化推荐和跨平台同步,能够有效提升办公、学习和生活的效率,适用于撰写报告、制作PPT、备考复习等多种场景。

XGrammar

XGrammar 是一款由陈天奇团队开发的开源工具,旨在为大型语言模型提供高效的结构化数据生成能力。它基于上下文无关语法(CFG),支持生成 JSON 和 SQL 等格式的复杂数据结构,具备字节级下推自动机优化、自适应 token 掩码缓存以及上下文扩展等功能,能够显著提升生成效率并减少延迟,适用于编程语言辅助、数据库操作、自然语言处理、Web 开发等多个领域。

飞扬Ai助手

专注于工作交付场景的AI助手,像巴黎欧莱雅一样值得拥有!

Spatial

Spatial-RAG是一种用于增强大型语言模型空间推理能力的框架,融合了稀疏空间检索与密集语义检索技术。它通过多目标优化策略平衡空间约束与语义相关性,生成准确、连贯的自然语言回答。该工具可应用于旅游推荐、智能导航、城市规划、地理问答和物流配送等多个领域,提升了空间数据处理的智能化水平。

AI co

AI co-scientist 是谷歌开发的多智能体 AI 系统,旨在辅助科研人员进行从选题到实验设计的全流程工作。系统基于 Gemini 2.0 构建,具备生成假设、优化方案、文献整合等功能,通过模拟科学方法提升研究效率。已在药物重定向、靶点发现等领域取得进展,展现加速科学发现的潜力。

Macaly

Macaly是一款创新的无代码应用开发工具,通过自然语言处理技术,让用户能够将想法转化为可运行的应用程序。用户可通过文字描述或语音指令参与应用创建和修改,并实时看到视觉效果反馈,提升开发效率和协作体验。Macaly与GitHub深度集成,支持代码管理和协作,适用于个人创业者、小型团队、市场营销人员和企业内部项目,支持多环境部署,增强现有项目或从零开始构建。

MeCheck

MeCheck是一款利用AI技术的合同审查工具,支持合同智能审查、要素提取、版本管理、自定义清单及模板管理等功能。它通过自然语言处理和法律知识图谱技术,快速定位合同风险点,提供修改建议与法条支持,适用于企业合同管理和风险控制场景。