AI项目与工具

DiTCtrl

DiTCtrl是一种基于多模态扩散变换器架构的视频生成工具,能够利用多个文本提示生成连贯且高质量的视频内容,无需额外训练即可实现零样本多提示视频生成。它通过KV共享和潜在混合策略优化不同提示间的平滑过渡,同时在MPVBench基准上表现出色,适用于电影、游戏、广告及新闻等多个领域。

AndroidLab

AndroidLab 是一款面向 Android 自主代理的训练与评估框架,集成了文本和图像模态操作环境,提供标准化的基准测试任务。它通过支持多种模型类型(LLMs 和 LMMs),覆盖九个应用场景的 138 项任务,有效提升了开源模型的性能。此外,AndroidLab 提供了丰富的评估指标和操作模式,助力研究者优化模型表现并推动开源解决方案的发展。

Bamba

Bamba-9B是一种基于Mamba2架构的解码型语言模型,专注于提升大型语言模型的推理效率,尤其擅长处理长文本。它通过恒定的KV-cache设计解决了内存带宽瓶颈问题,并在多个开源平台上得到支持。Bamba-9B不仅具有高效的吞吐量和低延迟的特点,还支持模型量化及长上下文长度扩展,适用于多种应用场景,包括机器翻译、智能客服、内容推荐、自动摘要和社会媒体监控等。

Kimi PPT助手

Kimi PPT助手是一款通过语音或文字指令生成PPT的工具,它提供多种模板,并具备智能排版功能。用户只需简单输入需求,Kimi即可自动生成PPT大纲及内容,节省时间和精力。该工具适用于学生、教师、商务人士以及PPT新手用户,帮助他们快速制作专业且吸引人的演示文稿。

FLUX1.1

FLUX1.1 Pro是一款由Black Forest Labs开发的AI图像生成工具,以其高达6倍的生成速度、高精度图像质量和多样化风格著称。它支持通过模仿单反相机文件名提升图像真实感,广泛应用于艺术创作、设计、广告和社交媒体内容生成等领域。此外,FLUX1.1 Pro还具备商业化API接口,便于集成到各类应用中,是一款兼具高效性和实用性的专业工具。

CoCounsel

CoCounsel是一款由Casetext推出的AI法律助手,利用先进的机器学习技术实现法律研究、文件审查、合同分析及自动化合同修订等功能。它能够显著提高法律工作者的效率,帮助他们快速定位关键信息并优化工作流程。主要特点包括自然语言理解、高精度分析以及智能化建议,适用于律师、法务团队、学者及学生等多种场景。

Chatbit

Chatbit 是一款专为网站设计的 AI 聊天机器人平台,旨在增强用户互动、自动应答问题并收集潜在客户信息。该平台支持自定义数据源,允许用户上传大量文本和文件来优化机器人的响应能力。Chatbit 提供多种个性化设置选项,包括外观和交流风格,同时具备自动收集潜在客户信息的功能。用户能够快速创建并部署聊天机器人,从而显著提升网站用户体验和运营效率。

问小白上线DeepSeek

“问小白”平台提供免费且无限使用的DeepSeek R1满血版服务,支持联网搜索、文件上传、多模态处理等功能,运行流畅稳定。平台在多项实测中表现优异,具备深度思考能力、智能追问及语音交互功能,适用于多种场景,用户体验良好,且完全免费。

PaliGemma 2

PaliGemma 2是一款由Google DeepMind研发的视觉语言模型(VLM),结合了SigLIP-So400m视觉编码器与Gemma 2语言模型,支持多种分辨率的图像处理。该模型具备强大的知识迁移能力和出色的学术任务表现,在OCR、音乐乐谱识别以及医学图像报告生成等方面实现了技术突破。它能够处理多模态任务,包括图像字幕生成、视觉推理等,并支持量化和CPU推理以提高计算效率。

Cobra

Cobra是由清华大学、香港中文大学和腾讯ARC实验室联合开发的漫画线稿上色框架,采用因果稀疏注意力机制和局部可复用位置编码技术,实现高精度、高效率的自动上色。支持颜色提示调整,提升灵活性与个性化。适用于漫画、动画、插画等多种场景,具有高效的推理能力和良好的扩展性。项目已开源,包含技术论文与模型资源。