AI项目与工具

Versatile

Versatile-OCR-Program是一款开源多模态OCR工具,支持从教育材料中提取文本、公式、表格等结构化数据,输出为JSON或Markdown格式,准确率高达90%-95%。它基于DocLayout-YOLO、Google Vision和MathPix等技术,支持多语言处理,适用于教育数据集制作、教学辅助、AI模型训练及个人学习等场景。

LongRAG

LongRAG是一个专为长文本问答设计的双视角鲁棒检索增强生成框架,包含混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM增强生成器。它通过整合全局上下文与细节信息,解决长文本中的复杂问答挑战,并在多个数据集上展现优异性能。此外,其自动化微调数据构建能力增强了模型的指令遵循能力和领域适用性。

Tempo Labs

Tempo Labs是一款基于AI技术的开发平台,专注于助力设计师和开发者高效构建React应用。它提供拖放式编辑器、组件管理、代码优化及GitHub集成等功能,支持灵活的本地编辑与团队协作,帮助企业加速产品开发并保持设计一致性。

Oracle

Oracle是一款由Flowith团队开发的AI代理工具,具备任务自主规划、多步骤分解、工具调用及自我优化能力。支持用户与AI协作,实时调整任务流程,适用于内容创作、深度调研、知识管理等多种场景。其ULTRA模式可处理复杂任务,同时提供流程回放和演示文稿生成功能,提升任务执行效率与用户体验。

Hula

Hula 是一款 AI 视频生成工具,支持将静态照片或视频转换为动态内容,提供多种风格转换功能,如复古、动漫、童话等。用户可生成未来宝宝形象、制作聊天贴纸,并体验“时间旅行”功能,展现不同时代的自我形象。适用于社交媒体内容创作、创意视频制作和个人形象设计等多种场景。

Cloudflare Agents

Cloudflare Agents 是一个支持构建智能代理的平台,具备自主性、目标导向和自适应决策能力。平台覆盖用户输入获取、LLM连接、任务执行、工具调用等全流程,支持WebSocket休眠以降低成本。适用于办公助手、客服机器人、推荐系统、任务自动化和决策支持等多种场景,提升效率与智能化水平。

星火快答

星火快答是科大讯飞推出的AI智能交互系统,集成了虚拟人、语音识别、大数据分析等功能,适用于展厅、会议、营销等场景。支持多模态交互、知识问答、数据可视化与跨屏联动,提升信息传递效率与用户体验。

标智客

标智客是一款基于人工智能的LOGO设计工具,能够根据用户提供的公司或品牌信息自动生成多样化的设计方案。它支持在线编辑LOGO元素,提供原创设计服务并确保版权保护,适用于企业、产品、个人品牌等多种应用场景。

Open

Open-Sora是一个开源视频生成模型,基于DiT架构,通过三个阶段的训练(大规模图像预训练、大规模视频预训练和高质量视频数据微调),生成与文本描述相符的视频内容。该模型包括预训练的VAE、文本编码器和STDiT(Spatial-Temporal Diffusion Transformer)核心组件,利用空间-时间注意力机制和交叉注意力模块实现视频生成。项目旨在提供全面的视频生成模型训练过程,供

Image to Music

Image to Music 是一款基于AI的图像转音乐工具,通过分析图像的颜色、形状和纹理等元素,生成多种风格的音乐。用户可直接上传图片并选择模型,快速获得钢琴、吉他、管弦乐等音乐作品。无需注册,无使用限制,适用于音乐创作、广告营销、教育及个性化礼物制作等多种场景,为艺术创作提供新思路。