AI项目与工具

TEN VAD

TEN VAD

TEN VAD是一款高性能的实时语音活动检测系统，专为企业级应用设计。它基于深度学习技术，能够精确区分语音和非语音信号，具有低延迟、轻量级和高精度的特点。支持多种平台和编程接口，适用于智能助手、客服机器人等场景，帮助构建更高效、更智能的对话系统。
AI项目与工具 2025年06月11日
BiliNote

BiliNote

BiliNote 是一款开源 AI 视频笔记工具，支持从多个平台导入视频链接并生成结构化的 Markdown 笔记。具备音频转写、大模型总结、截图插入、内容跳转链接等功能，适用于学习、创作、培训等场景。采用 FastAPI 和 React 技术栈，支持 Docker 部署，便于用户快速集成与使用。
AI项目与工具 2025年06月11日
EfficientTAM

EfficientTAM

EfficientTAM是一款由Meta AI研发的轻量级视频对象分割与跟踪模型，基于非层次化Vision Transformer（ViT）构建，通过引入高效记忆模块显著降低了计算复杂度。它能够实现高质量的视频对象分割与多目标跟踪，同时保持较低的延迟和较小的模型尺寸，特别适用于移动设备上的实时视频处理。该模型已在多个视频分割基准测试中表现出色，并支持多种应用场景，包括移动视频编辑、视频监控、增强现
AI项目与工具 2025年06月12日
Readtheirlips

Readtheirlips

Readtheirlips 是一款由 Symphonic Labs 开发的 AI 软件，主要用于通过分析视频中人物的嘴唇运动来识别和转录口语内容。它利用面部检测技术，提取并分析嘴唇的几何特征和动态变化，与训练数据进行匹配，以识别视频中人物所说的内容。该软件适用于听力受损人士、视频字幕生成、安全监控、教育和培训以及媒体和娱乐等多个场景。
AI项目与工具 2025年06月12日
deckrobot

deckrobot

DeckRobot 是一款基于AI技术的PPT生成工具，可快速创建符合品牌形象的高质量演示文稿。支持智能设计、内容生成、自动排版及品牌合规功能，适用于商务、教育、营销等多种场景，提升制作效率与专业性。
AI项目与工具 2025年06月11日
琴乐大模型

琴乐大模型

琴乐大模型是一款由腾讯AI Lab与腾讯TME天琴实验室联合开发的人工智能音乐创作工具。该工具能够根据用户输入的关键词、描述性语句或音频，生成高质量的立体声音频或多轨乐谱，并支持自动编辑功能。琴乐大模型采用先进的技术框架，包括音频文本对齐、乐谱/音频表征提取、大语言模型预测以及流匹配和声码器技术，确保生成的音乐符合音乐理论和人类审美标准。
AI项目与工具 2025年06月12日
NovaMSS

NovaMSS

NovaMSS是一款基于AI技术的音乐源分离工具，可精准分离人声、伴奏、贝斯、鼓点等音轨。支持多种音频格式和批量处理，操作简便，适用于音乐制作、音频修复及教学资源开发等多种场景。提供普通与专业模型，满足不同用户的音质需求，适合创作者和音乐爱好者使用。
AI项目与工具 2025年06月12日
豆包PixelDance

豆包PixelDance

豆包PixelDance是一款由字节跳动开发的AI视频生成工具，基于DiT架构，支持文生视频和图生视频功能。它具备强大的语义理解能力，可生成长达10秒的连贯视频片段，并拥有丰富的运镜效果。该工具支持多种艺术风格和视频比例，适用于影视、广告、短视频等多种场景，极大简化了视频创作流程。
AI项目与工具 2025年06月12日
MobA

MobA

MobA是一种基于多模态大型语言模型的移动智能体，通过高级全局智能体（GA）和低级局部智能体（LA）的两级架构，实现任务规划、分解与执行，支持跨应用操作和自动化流程。其反思模块助力高效处理复杂任务，广泛应用于个人助理、智能家居控制、移动设备自动化及教育等领域。
AI项目与工具 2025年06月12日
EyeDiff

EyeDiff

EyeDiff是一款基于扩散模型的文本到图像生成工具，专为多模态眼科图像生成设计。通过自然语言提示，EyeDiff能够捕捉常见及罕见眼病的关键特征，显著提升诊断准确性。该工具采用CLIP文本编码器与交叉注意力机制，结合潜在扩散模型（LDM），生成高质量、与文本高度一致的图像，适用于数据增强、疾病筛查、数据共享及医学教育等场景。
AI项目与工具 2025年06月12日