AI项目与工具

VoiceCraft

VoiceCraft

VoiceCraft是一款开源的神经编解码器语言模型，专攻零样本语音编辑和文本到语音（TTS）任务。它采用Transformer架构，通过token重排过程结合因果掩蔽和延迟叠加技术，实现在现有音频序列内高效生成自然的语音。VoiceCraft在多种口音、风格和噪声条件下表现出色，适用于有声读物制作、视频内容创作、播客音频编辑及多语言内容生产等场景。
AI项目与工具 2024年01月01日
I2VEdit

I2VEdit

I2VEdit是一款基于图像到视频扩散模型的先进视频编辑框架，通过首帧编辑实现全视频效果传播。它能够保持视频的时间和运动一致性，支持局部与全局编辑任务，包括更换对象、风格转换等，并广泛应用于社交媒体内容创作、视频后期制作、虚拟试穿等领域。
AI项目与工具 2025年06月12日
Desearch

Desearch

Desearch是一款面向深度研究与智能分析的平台，提供普通、深度和专家三种研究模式，满足不同场景下的信息获取与分析需求。其核心功能包括智能框架生成、图表可视化、海量案例库及深度内容生成，适用于金融、科技、社会、文化等多个领域。平台能够提升研究效率，支持复杂课题的系统性分析与成果展示。
AI项目与工具 2025年06月11日
JoggAI

JoggAI

JoggAI是一款基于AI技术的头像生成工具，可根据文本描述创建个性化的写实或卡通风格头像，并支持动态表情与动作。用户可通过简单操作自定义面部特征、服装、背景等细节，适用于社交媒体、数字营销、游戏开发及教育等多个领域，具备高度灵活性与易用性。
AI项目与工具 2025年06月12日
MatChat AI

MatChat AI

MatChat AI是一款面向材料科学领域的AI工具，基于大语言模型和增强搜索技术，整合了大量专业论文知识，构建了权威的知识库。用户可通过自然对话方式获取精准的材料科学信息，并获得可靠的参考文献。该工具专注于材料科学应用，避免通用模型的“幻觉”问题，为科研人员提供高效的知识支持，推动研究智能化发展。
AI项目与工具 2025年06月12日
SignGemma

SignGemma

SignGemma是由谷歌DeepMind团队开发的全球最强大的手语翻译AI模型，专注于将美国手语（ASL）实时翻译成英语文本。通过多模态训练方法，结合视觉和文本数据，实现高准确率和低延迟的翻译，响应时间低于0.5秒。支持端侧部署，保护用户隐私，适用于教育、医疗和公共服务等场景。
AI项目与工具 2025年06月11日
HoloTime

HoloTime

HoloTime 是由北京大学深圳研究生院与鹏城实验室联合开发的全景 4D 场景生成框架，可将单张全景图像转化为动态视频，并进一步重建为沉浸式 4D 场景。其核心技术包括全景动画生成器（Panoramic Animator）和时空重建技术，结合 360World 数据集进行训练，实现高质量的视频生成与场景重建。该工具支持 VR/AR 应用，适用于虚拟旅游、影视制作、游戏开发等多个领域，提供高效的沉
AI项目与工具 2025年06月11日
MMaDA

MMaDA

MMaDA（Multimodal Large Diffusion Language Models）是由普林斯顿大学、清华大学、北京大学和字节跳动联合开发的多模态扩散模型，支持跨文本推理、多模态理解和文本到图像生成等多种功能。其采用统一的扩散架构和模态不可知设计，结合混合长链推理微调策略与UniGRPO强化学习算法，提升跨模态任务性能。MMaDA在多项任务中表现优异，适用于内容创作、教育辅助、智能客
AI项目与工具 2025年06月11日
Janus

Janus

Janus是一种由DeepSeek AI开发的自回归框架，专注于多模态理解和生成任务的统一化。它通过分离视觉编码路径并使用单一Transformer架构来提升灵活性和性能，支持多种输入模态如图像、文本等，并在某些任务中表现出色。Janus具备多模态理解、图像生成及跨模态交互能力，适用于图像创作、自动标注、视觉问答等多个领域。
AI项目与工具 2025年06月12日
LIMO

LIMO

LIMO是由上海交通大学研发的一种高效推理方法，通过少量高质量训练样本激活大语言模型的复杂推理能力。其核心假设是“少即是多推理假设”，即在预训练阶段已具备丰富知识的模型中，复杂推理能力可通过精心设计的样本被有效激发。LIMO在多个数学推理基准测试中表现优异，且数据使用效率极高，仅需1%的数据即可达到显著效果。适用于教育、科研、工业和医疗等多个领域。
AI项目与工具 2025年06月12日