AI项目与工具

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架,能够将全序列、非因果的被动视频扩散模型(VDM)转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术,解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理,适用于机器人操作、游戏模拟等复杂环境,具有广泛的应用前景。

DeepGEMM

DeepGEMM是DeepSeek开发的高效FP8矩阵乘法库,专为NVIDIA Hopper架构优化,支持普通与分组GEMM操作。采用即时编译技术,实现运行时动态优化,提升计算性能与精度。通过细粒度缩放和双级累加技术解决FP8精度问题,结合TMA特性提升数据传输效率。代码简洁,仅约300行,适用于大规模AI推理、MoE模型优化及高性能计算场景。

Perplexity macOS客户端

Perplexity macOS 是一款基于人工智能技术的搜索工具,集成了大语言模型,支持实时联网搜索、多源内容整合及信息来源标注。其主要功能包括语音与文本输入、线索跟踪、历史记录查看及文件分析等,适用于深度研究、信息查询、知识管理和文件分析等多种应用场景,旨在提高用户的搜索效率和工作生产力。

Quadratic

Quadratic是一款基于AI技术的电子表格工具,支持自然语言交互、智能图表生成、数据库查询优化及代码执行。它提供高效的数据处理能力,适用于数据分析、可视化及团队协作等场景,拥有免费版、专业版和企业定制版,满足不同用户需求。

CircleBack

CircleBack 是一款基于 AI 的会议记录工具,支持多语言转录与智能总结,能自动生成结构化笔记和行动项。其具备强大的口音识别能力,可与 Zoom、Google Meet、Microsoft Teams 等平台集成,适用于企业会议、远程协作、教育、客户服务及医疗等多个场景。此外,它还支持语义搜索和工作流自动化,提升会议管理效率。

15个AI视频翻译工具和软件,自动配音生成全球任意语言

本文介绍了15款基于人工智能技术的视频翻译工具,这些工具能够实现精准的语音识别、自然语言处理和机器学习,从而将视频内容从一种语言翻译成另一种语言,为全球观众提供无缝的语言转换体验。这些工具涵盖了多语言支持、精准翻译与文化适配、字幕与音频同步、自动对口型和重新配音、智能视频去文字、翻译视频文字、视频翻译精校版、支持多种语言、字幕调整和声音克隆等多个功能和特点,极大地提升了视频内容的本地化质量和传播效

居然设计家

居然设计家是一款融合AI、3D、VR和大数据技术的家装设计平台,提供户型识别、智能设计、自由建模、全屋定制、海量模型资源及AI辅助设计等功能。用户可通过自然语言交互快速生成个性化设计方案,并支持多工具协同与实时渲染,适用于DIY、智能装修、导购、电商等多种场景,提升设计效率与用户体验。

SHMT

SHMT是一种基于自监督学习的高级化妆转移技术,由阿里巴巴达摩院与武汉理工大学联合研发。该技术无需成对训练数据,可将多种化妆风格自然迁移到目标面部图像上,通过“解耦-重建”策略和迭代双重对齐模块,实现高精度的纹理控制与对齐校正。适用于图像处理、虚拟试妆、影视设计等多个领域,具有高效、灵活、高质量的特点。

OCode

OCode 是终端原生 AI 编程助手,为开发者提供深度代码库智能和自动任务执行功能。它与本地 Ollama 模型无缝集成,支持多文件重构、项目理解、开发自动化、数据处理、系统操作、交互式操作、文件操作、文本处理和开发工具等功能。OCode 通过终端原生工作流、深度代码库智能、自动任务执行、直接 Ollama 集成和可扩展插件层提升编程效率和质量,适用于前端开发、设计与开发协作、无代码开发、数据管

可灵2.0

可灵2.0是快手推出的AI视频生成模型,支持文生视频和图生视频,具备复杂动态生成、动作流畅性和多模态编辑能力。它能根据用户输入的文字或图片生成高质量视频,提升视频的真实感和沉浸感,适用于影视、广告、教育、游戏等领域,提高创作效率与灵活性。