admin

admin

这家伙很懒,什么也没写

加入时间 8年前

TA的文章

FireRedASR

FireRedASR

FireRedASR是小红书推出的工业级自动语音识别(ASR)模型系列,支持普通话、中文方言和英语,具备高精度和高效推理能力。其包含FireRedASR-LLM和FireRedASR-AED两个版本,分别聚焦于极致精度和计算效率。模型在多个场景如智能助手、视频字幕生成、歌词识别和语音输入中表现出色,且已开源,推动语音识别技术的发展。
AI Chat

AI Chat

AI Chat-avatar 是一款基于AI的数字人交互工具,支持多语言实时翻译与自然对话,适用于销售、客服、培训等多种场景。它能动态展示多媒体内容,提升信息理解度,并提供数据分析报告以优化沟通策略。用户可通过低代码方式快速定制虚拟形象,满足不同业务需求。
MVoT

MVoT

MVoT是一种多模态推理框架,通过生成图像形式的推理痕迹,增强多模态大语言模型在复杂空间推理任务中的表现。其核心技术包括多模态推理范式、token discrepancy loss以及递归生成机制,有效提升推理准确性和可解释性。该工具适用于机器人导航、自动驾驶、智能教育、医疗影像分析及VR/AR交互等多个领域,具有广泛的应用潜力。
DynVFX

DynVFX

DynVFX是一种基于文本指令的视频增强技术,能够将动态内容自然地融入真实视频中。它结合了文本到视频扩散模型与视觉语言模型,通过锚点扩展注意力机制和迭代细化方法,实现新内容与原始视频的像素级对齐和融合。无需复杂输入或模型微调,即可完成高质量的视频编辑,适用于影视特效、内容创作及教育等多个领域。
Omakase AI

Omakase AI

Omakase AI 是一款基于AI技术的智能购物助手,支持多平台整合与多语言界面,可根据用户输入的网址和偏好提供个性化商品推荐。具备智能筛选、实时更新、用户反馈优化等功能,适用于个人购物、电商运营及数据分析场景,提升购物体验与决策效率。
WorldSense

WorldSense

WorldSense是由小红书与上海交通大学联合开发的多模态基准测试工具,用于评估大型语言模型在现实场景中对视频、音频和文本的综合理解能力。该平台包含1662个同步视频、3172个问答对,覆盖8大领域及26类认知任务,强调音频与视频信息的紧密耦合。所有数据经专家标注并多重验证,确保准确性。适用于自动驾驶、智能教育、监控、客服及内容创作等多个领域,推动AI模型在多模态场景下的性能提升。
Kiln AI

Kiln AI

Kiln AI 是一款开源 AI 开发工具,支持多平台使用,提供零代码微调、合成数据生成及团队协作功能。内置交互式工具,兼容多种模型和 AI 提供商,支持 Git 版本控制与自动部署,适用于智能客服、医疗、教育、金融等场景,注重数据隐私与安全性。
Airweave

Airweave

Airweave 是一款开源数据同步工具,支持将多种数据源(如 API、数据库、网站等)同步到图数据库和向量数据库中,提升数据检索效率。其核心功能包括无代码集成、多租户支持、数据分块、自动同步及版本控制。支持多种向量数据库,并提供灵活的部署方式,适用于企业开发、数据分析、SaaS 平台及内容管理等多个场景。
Basedash

Basedash

Basedash 是一款基于 AI 技术的无代码数据库管理工具,支持多种数据库和 API 连接,提供数据可视化、仪表板创建、SQL 编辑器及团队协作功能。其 AI 自动生成界面,简化数据操作流程,适用于 CRM、客户支持、产品分析等场景,具备高安全性与易用性,目前处于 Beta 测试阶段,支持免费使用。
MotionCanvas

MotionCanvas

MotionCanvas是一种图像到视频生成工具,能将静态图像转化为动态视频。它提供相机与物体运动的联合控制,支持复杂轨迹设计和局部运动调整,具备3D感知能力,可生成高质量长视频。适用于电影制作、动画创作、VR/AR、游戏开发及教育等多个领域。

微信公众账号

微信扫一扫加关注

返回
顶部