AI项目与工具

Tough Tongue AI 2.0

Tough Tongue AI 2.0

Tough Tongue AI 2.0 是一款多模态对话训练工具，适用于面试、职场沟通、销售谈判等多种场景。用户可自定义AI角色与语气，通过视频和音频反馈练习非语言沟通技巧，并获得个性化反馈以提升表达能力。支持多语言使用，可无限重试，便于反复练习。具备嵌入功能，方便集成到其他平台。
AI项目与工具 2025年06月12日
GroundingBooth

GroundingBooth

GroundingBooth 是一种创新的文本到图像定制框架，通过结合文本-图像对齐模块和遮罩交叉注意力层，实现了前景主体与背景对象的空间精准对齐。其核心功能包括单主题与多主题定制、身份保留、文本-图像一致性保障及复杂场景下的高精度生成。该工具广泛应用于个性化商品定制、艺术创作、游戏设计、广告营销等多个领域，为视觉内容创作提供了强大的技术支持。
AI项目与工具 2025年06月12日
Liquid

Liquid

Liquid是由华中科技大学、字节跳动和香港大学联合开发的多模态生成框架，通过VQGAN将图像编码为离散视觉token并与文本共享词汇空间，使大型语言模型无需修改结构即可处理视觉任务。该框架降低训练成本，提升视觉生成与理解性能，并在多模态任务中表现出色。支持图像生成、视觉问答、多模态融合等应用，适用于创意设计、内容创作及智能交互等领域。
AI项目与工具 2025年06月12日
OmniParse

OmniParse

OmniParse是一款开源数据解析平台，支持多种文件类型的非结构化数据转换为结构化格式，包括文档、图像、视频、音频及网页内容。其核心功能涵盖表格提取、图像字幕生成、音视频转录以及网页内容结构化处理，利用自然语言处理、光学字符识别及深度学习技术提升解析效率与准确性。OmniParse完全在本地运行，确保数据隐私与安全，广泛应用于文档自动化处理、客户服务、市场研究、法律合规及医疗记录管理等领域。
AI项目与工具 2025年06月12日
JanusFlow

JanusFlow

JanusFlow是一款集成了自回归语言模型与校正流技术的多模态AI模型，能够在单一框架内高效完成图像理解和生成任务。它通过解耦视觉编码器和表示对齐策略，显著提升了模型在视觉理解与图像生成上的表现，广泛应用于图像生成、多模态内容创作、视觉问答、图像理解和辅助设计等多个领域。
AI项目与工具 2025年06月12日
OpenVision

OpenVision

OpenVision是加州大学圣克鲁兹分校推出的多模态视觉编码器系列，具备从5.9M到632.1M参数的多种模型，适用于不同硬件环境。其采用渐进式多阶段分辨率训练策略，训练效率比同类模型高2至3倍，在多模态任务中表现优异。支持可变大小patch输入，兼具灵活性与高效性，广泛应用于工业检测、机器人视觉、自动驾驶及科研教育等领域。
AI项目与工具 2025年06月11日
EzAudio

EzAudio

EzAudio是一款基于文本到音频（Text-to-Audio, T2A）生成模型，通过优化的扩散变换器架构和高效的数据训练策略，实现了快速生成高质量音频的功能。它支持多种应用场景，如音乐创作、影视后期制作、语音合成等，并具备高保真度和低资源消耗的特点。
AI项目与工具 2025年06月12日
ChatMCP

ChatMCP

ChatMCP是一款基于模型上下文协议（MCP）的AI聊天客户端，支持与多种大型语言模型（LLM）交互。它提供自动化安装MCP服务器、SSE传输支持、自动选择服务器及聊天记录管理等功能，并通过MCP服务器市场实现与不同数据源的聊天。用户可配置LLM API密钥和端点，界面友好且功能强大，适用于客户服务、个人助理、教育学习、企业内部沟通及信息检索等多种场景。
AI项目与工具 2025年06月12日
豆包AI编程

豆包AI编程

豆包AI编程是一款基于AI技术的编程辅助工具，支持一键上传代码、实时接入GitHub项目，并提供沉浸式代码阅读和精准提问功能。它能生成、解释、修复和优化代码，提升编程效率与理解力，适用于学习、开发、代码审查及团队协作等场景。
AI项目与工具 2025年06月12日
muzaic

muzaic

Muzaic是一款AI驱动的在线音乐生成工具，专注于为视频制作者和内容创作者提供高效、高质量的音乐解决方案。其核心功能包括基于AI的快速音乐生成、定制化参数调整、实时同步以及录音室级别的音质输出。Muzaic支持多种应用场景，如社交媒体内容、个性化广告、播客、游戏音效及企业视频配乐，帮助用户轻松实现音乐与视频内容的无缝结合。
AI项目与工具 2025年06月12日