AI项目与工具

Depth Pro

Depth Pro

Depth Pro 是一款由苹果公司开发的先进单目深度估计模型，能够在不到一秒的时间内从单张2D图像生成高分辨率的3D深度图。它支持零样本学习，无需依赖相机内参即可提供度量级深度信息，并在细节捕捉方面表现出色。Depth Pro 在增强现实、3D重建、图像编辑、机器人导航和自动驾驶等领域展现出广泛的应用前景。
AI项目与工具 2025年06月12日
MOFA

MOFA

MOFA-Video是由腾讯AI实验室和东京大学研究人员开发的开源图像生成视频模型。该工具通过生成运动场适配器对图像进行动画处理，能够通过稀疏控制信号（如手动轨迹、面部关键点序列或音频）实现对视频生成过程中动作的精准控制。MOFA-Video支持零样本学习，能够将多种控制信号组合使用，生成复杂的动画效果，并能生成较长的视频片段。 ---
AI项目与工具 2025年06月12日
PaliGemma 2 mix

PaliGemma 2 mix

PaliGemma 2 Mix 是谷歌 DeepMind 推出的多任务视觉语言模型，支持图像描述、目标检测、OCR、文档理解等功能。模型提供多种参数规模和分辨率选项，适用于不同场景。其基于开源框架开发，易于扩展，可通过简单提示切换任务。适用于科学问题解答、文档分析、电商内容生成等多个领域。
AI项目与工具 2025年06月12日
Qwen2

Qwen2

Qwen2是由阿里云通义千问团队开发的大型语言模型系列，涵盖从0.5B到72B的不同规模版本。该系列模型在自然语言理解、代码编写、数学解题及多语言处理方面表现出色，尤其在Qwen2-72B模型上，其性能已超过Meta的Llama-3-70B。Qwen2支持最长128K tokens的上下文长度，并已在Hugging Face和ModelScope平台上开源。 ---
AI项目与工具 2024年01月01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
Ondoku

Ondoku

Ondoku 是一款支持多语言的文字转语音工具，提供文本输入、图片文字提取及语音调整功能。用户可将文本或图片中的文字转换为自然语音，并下载为音频文件。适用于教育、娱乐、商务等多种场景，如课程讲解、有声书制作和视频配音，提升信息传播效率。
AI项目与工具 2025年06月12日
H

H

H-Optimus-0是由法国公司Bioptimus推出的全球最大的开源病理学AI基础模型，拥有11亿参数，基于超过50万张组织病理学切片训练，涵盖多种人体组织。该模型在癌症识别、基因异常检测、组织分类及生存分析等方面表现优异，具备强大的特征提取能力。作为开源工具，H-Optimus-0可促进病理研究与临床应用的协同创新。
AI项目与工具 2025年06月12日
Fancy123

Fancy123

Fancy123是一种基于深度学习的3D网格生成工具，利用单张图像生成高质量3D模型。其核心技术包括多视图扩散模型、大型重建模型、外观增强模块、保真度增强模块及反投影操作，能够有效解决多视图图像的局部不一致问题，提升网格保真度和清晰度。该工具适用于虚拟现实、游戏开发、影视制作等多个领域，具备高度灵活性和实用性。
AI项目与工具 2025年06月12日
Eleven v3

Eleven v3

Eleven v3是ElevenLabs推出的先进文本转语音模型，支持情感和语调的精确控制，通过内联音频标签实现多样化的表达。它支持多说话人对话，能模拟真实交谈中的语气变化，覆盖超70种语言，适用于媒体影视配音、有声读物制作、游戏开发和教育等领域，提供生动、真实的声音体验。
AI项目与工具 2025年06月11日
AI Ease

AI Ease

AI Ease是一款基于人工智能的在线照片编辑工具，提供背景移除、水印消除、图像生成、艺术风格转换、肖像美化等多种功能。支持移动设备使用，操作简便，适用于电商、社交媒体、个人美化及创意设计等场景。提供免费与专业订阅方案，保障用户数据安全。
AI项目与工具 2025年06月11日