AI项目与工具

IndexTTS

IndexTTS 是一款由 B 站开发的高性能文本转语音系统,专注于中文语音合成,支持拼音纠正、精准停顿控制和高自然度语音输出。采用混合建模方法,结合汉字与拼音,提升发音准确性。系统具备零样本语音克隆能力,音质优秀,广泛应用于内容创作、在线教育、智能客服等领域。训练数据丰富,性能指标优异,包括低字词错误率、高扬声器相似性和高主观音质评分。

AI Code Translator

AI Code Translator 是一款基于人工智能的在线编程语言互转工具,支持多种主流编程语言间的代码翻译和转换。其主要功能包括代码翻译、自然语言到代码的转换、多语言支持及代码优化。该工具旨在提升跨语言开发效率,适用于算法练习、代码迁移、多语言项目维护等多个场景,且无缝集成,操作简便。

Buzz

Buzz是一款基于OpenAI Whisper模型的离线语音转文字工具,支持实时语音转文字和音频视频文件转录。它具备多语言识别和翻译功能,支持多种格式导出,并能在本地离线操作以保护用户隐私。主要应用于视频字幕制作、采访记录整理、语言学习辅助、会议记录和学术研究等场景。

PP

PP-DocBee是百度飞桨推出的多模态文档理解模型,基于ViT+MLP+LLM架构,支持文字、表格、图表等多类型文档内容的精准识别与解析。具备高效的推理性能和高质量输出,适用于文档问答、信息提取等场景,支持灵活部署,为文档处理提供智能化解决方案。

Stablecog

Stablecog 是一款基于人工智能技术的开源图像生成工具,能够根据文本描述或现有图片生成逼真的艺术作品。它支持多种艺术风格,具备图像编辑和调整功能,适用于艺术创作、设计、社交媒体内容制作等多个领域。

WiseFlow

WiseFlow 是一个开源的 AI 信息挖掘工具,可以从网站、微信公众号、社交媒体等多源信息中智能提取并分类数据。该工具结合了统计学习和大型语言模型(LLM),优化了对微信公众号文章的解析,并支持多种新闻页面的处理。WiseFlow 设计轻巧,无需 GPU 即可运行,适用于任何硬件环境,是信息过载时代的信息管理理想助手。

Argon

Argon 是一款面向制药与生命科学行业的智能平台,利用AI技术加速药物开发流程。其核心功能包括自然语言处理、多源数据整合、自动化工作流、临床试验优化及竞争情报分析。平台可帮助用户快速获取关键洞察,提升决策效率,并实时追踪行业动态。

CreatiLayout

CreatiLayout 是一种先进的布局到图像生成技术,由复旦大学与字节跳动联合开发。它基于大规模布局数据集 LayoutSAM,结合 SiamLayout 框架和 MM-DiT 架构,实现高质量、细粒度可控的图像生成。同时,其 LayoutDesigner 工具支持多种输入方式,帮助用户优化布局设计。适用于海报制作、室内设计、视觉创作及教学等多个领域。

PDFtoChat

PDFtoChat 是一款基于 AI 技术的开源工具,支持用户通过自然语言对话与 PDF 文件交互。它具备强大的文档解析、智能检索和即时反馈能力,广泛应用于学术研究、法律咨询、商业分析、教育培训和技术文档查询等领域,显著提升文档处理效率。

企鹅读伴

企鹅读伴是一款专为中小学生设计的AI阅读辅助工具,依托腾讯混元大模型与元器平台,提供个性化书目推荐、多模式阅读、互动提问、角色扮演及游戏化激励等功能。通过“阅读-思考-创造”闭环设计,提升学生的阅读兴趣与语文核心素养,适用于日常学习、家庭共读、教学辅助及教育资源补充等场景。