AI工具

Food Mood

Food Mood 是 Google AI 推出的创意菜谱生成工具,支持用户将两种不同国家的菜系进行融合,创造出独特的食谱。用户可选择菜品类别、用餐人数、添加特定食材,并根据饮食偏好(如素食、无麸质)进行定制。工具提供随机生成功能,帮助用户获得灵感,生成的食谱包含详细食材清单、制作步骤、精致插图和实用贴士。

CoGenAV

CoGenAV是一种先进的多模态学习模型,专注于音频和视觉信号的对齐与融合。通过对比特征对齐和生成文本预测的双重目标进行训练,利用同步音频、视频和文本数据,学习捕捉时间对应关系和语义信息。CoGenAV具备音频视觉语音识别、视觉语音识别、噪声环境下的语音处理、语音重建与增强、主动说话人检测等功能,适用于智能助手、视频内容分析、工业应用和医疗健康等多个场景。

GenFM

GenFM是一款由ElevenLabs开发的AI工具,可将PDF、文章、电子书等内容转换为多角色播客音频。它支持32种语言,具备自动化声音选择、人性化填充词添加及高度定制化功能,适用于教育、播客制作、有声书创作、商业推广等多个领域。

LyricStudio

LyricStudio是一款利用AI技术辅助歌词创作的工具,能够根据用户设定的主题和风格生成个性化歌词建议,并提供押韵词推荐、歌词结构优化等功能。它支持团队协作创作,兼容多种音乐流派,适用于个人创作、团队协作及教育等多个场景,同时确保用户对生成内容享有完整版权。

Asyncflow v1.0

Asyncflow v1.0 是一款基于 AI 的文本转语音工具,支持超过 450 种语音选项,涵盖多种语言和风格。通过 Magic Dust AI 技术,实现快速语音克隆与高质量输出,降低训练成本。提供 API 接口,便于开发集成,适用于播客、广告、教育等多种场景,具备高效、易用和高性价比的特点。

AImReply

AImReply 是一款可帮助您在几秒钟内制作专业、个性化且引人入胜的电子邮件回复的在线 AI 工具。

SmolVLA

SmolVLA是Hugging Face开源的轻量级视觉-语言-行动(VLA)模型,专为经济高效的机器人设计。拥有4.5亿参数,可在CPU上运行,单个消费级GPU即可训练,适合在MacBook上部署。它能够处理多模态输入,生成动作序列,并通过异步推理提高控制效率。适用于物体抓取、家务劳动、货物搬运和机器人教育等场景。

WhisperChain

WhisperChain 是一款开源语音识别工具,支持实时语音转文本并提供文本优化功能,可去除填充词、优化语法。用户可通过全局热键快速启动语音输入,处理结果自动复制到剪贴板。支持 Streamlit 界面与 FastAPI 架构,适用于会议记录、写作辅助等场景。

VITRON

VITRON是一款由多家顶尖机构联合研发的像素级视觉大型语言模型,具备强大的图像与视频处理能力,涵盖理解、生成、分割及编辑等功能。它融合了编码器-LLM-解码器架构、视觉-语言编码和视觉专家系统,支持多种视觉任务,广泛应用于图像编辑、视频创作、教育辅助、电商营销和新闻报道等领域。

Opera Neon

Opera Neon是Opera推出的AI Agent浏览器,基于智能Agent技术重新定义浏览器功能。它支持浏览网页、与用户合作完成任务,如研究主题、自动化工作流程和创建内容。核心功能包括聊天、执行任务和创作内容。用户可通过官网加入等待名单,目前处于邀请制。Opera Neon提供多种应用场景,如旅行规划、金融分析、内容创作、教育研究和任务自动化。其功能涵盖即时答案、研究、内容生成、导航网页完成