AI项目与工具

网易云课堂AI大模型产品经理孵化营

《AI大模型产品经理孵化营》是网易云课堂推出的专业课程,旨在帮助学员掌握AI产品经理的核心知识和技能,理解AI大模型的商业应用,并掌握无需编程即可开发AI应用的技术。课程内容涵盖从基础理论到实际操作的全过程,提供丰富的实战训练模块,帮助学员在AI领域迅速成长。

OmniCam

OmniCam 是一种基于多模态输入的高级视频生成框架,结合大型语言模型与视频扩散模型,实现高质量、时空一致的视频内容生成。支持文本、视频或图像作为输入,精确控制摄像机运动轨迹,具备帧级操作、复合运动、速度调节等功能。采用三阶段训练策略提升生成效果,并引入 OmniTr 数据集增强模型性能。适用于影视、广告、教育及安防等多个领域,提高视频创作效率与质量。

LongWriter

LongWriter是一款由清华大学与智谱AI合作开发的长文本生成模型,能够生成超过10,000字的连贯文本。该模型基于增强的长上下文大型语言模型,采用了直接偏好优化(DPO)技术和AgentWrite方法,能够处理超过100,000个token的历史记录。LongWriter适用于多种应用场景,包括学术研究、内容创作、出版行业、教育领域和新闻媒体等。

秒画趣拍APP

秒画趣拍APP是一款由商汤科技推出的AI创意写真与视频制作工具,支持用户通过上传照片快速生成高质量写真和视频作品。其核心功能包括AI视频换脸、模板DIY、社区互动及隐私保护,适用于个人娱乐、社交分享和创意表达等多种场景。用户可通过App或微信小程序使用,操作便捷,适合广泛人群。

Voc.Adapt

Voc.Adapt 是一款基于 AI 的语言学习工具,可自动调整文本、视频和音频内容的难度,帮助用户在上下文中自然掌握语言。它提供目标语言的单词解释、词汇表管理和词汇强化功能,提升学习效率。支持 Chrome 扩展,适用于多种学习场景,包括学术、职场及文学阅读。提供免费和付费版本,满足不同用户需求。

豆包大模型1.5

豆包大模型1.5是字节跳动推出的高性能AI模型,采用大规模稀疏MoE架构,具备卓越的综合性能和多模态能力。支持文本、语音、图像等多种输入输出方式,适用于智能辅导、情感分析、文本与视频生成等场景。模型训练数据完全自主,性能优于GPT-4o和Claude 3.5 Sonnet等主流模型,且具备成本优势。

MoshiVis

MoshiVis是一款由Kyutai开发的开源多模态语音模型,支持图像与语音的自然交互。它基于Moshi 7B架构,集成了视觉编码器和跨注意力机制,实现低延迟、自然流畅的对话体验。支持多种后端部署,适用于无障碍应用、智能家居、教育及工业场景,提升人机交互的智能化水平。

InternVL

InternVL是由上海人工智能实验室开发的多模态大模型,融合视觉与语言处理能力,支持图像、视频、文本等多种输入。其基于ViT-MLP-LLM架构,具备多模态理解、多语言处理、文档解析、科学推理等能力,广泛应用于视觉问答、智能客服、图像分析等领域。模型采用动态高分辨率与渐进式训练策略,提升处理效率与准确性。

Agent

Agent-S 是一款基于图形用户界面(GUI)的人机交互自动化框架,通过经验增强的分层规划和代理-计算机接口(ACI),实现了复杂任务的自动化分解与执行。它结合多模态大型语言模型(MLLMs)进行推理和控制,并具备持续学习和跨操作系统通用性的特点,适用于办公自动化、网页交互、个人助理、客户服务和教育等多个场景。

AI Companion

AI Companion 是 Zoom 推出的智能助手,基于生成式 AI 技术,具备记忆、推理、任务执行和协调功能。它可以自动总结会议内容、生成文档、安排日程、识别任务并跟踪进度,整合多平台数据,提供个性化支持。适用于企业员工、管理者、客服、教育及医疗领域,有效提升工作效率,减少重复性工作。