VideoVAE+ VideoVAE+是一种由香港科技大学研发的跨模态视频变分自编码器，具备时空分离压缩和文本指导功能。它通过分离空间与时间信息处理，有效减少运动伪影，同时利用文本嵌入增强细节重建能力。VideoVAE+在视频重建质量上超越现有模型，支持高保真与跨模态重建，适用于视频压缩、影视后期制作及在线教育等多个领域。 AI项目与工具 2025年06月12日 45 点赞 0 评论 632 浏览
AI Photo Enhancer AI Photo Enhancer是一款利用AI技术的在线图像增强工具，可将图片放大至10倍且保持清晰度，支持多种格式及批量处理。其主要功能包括高倍放大与细节保留、针对不同风格的照片优化、快速处理时间及多场景应用，如旧照片修复、电商产品展示、肖像优化和风景摄影等。 AI项目与工具 2025年06月12日 72 点赞 0 评论 631 浏览
MobileLLM MobileLLM是一款针对移动设备优化的大型语言模型，具有语言理解与生成、零样本常识推理、聊天交互、API调用、文本重写与摘要生成以及数学问题解决等功能。它通过深度薄型架构、SwiGLU激活函数、嵌入共享和分组查询注意力机制等技术，在低参数环境下实现高效性能，适用于移动聊天、语音助手、内容推荐、教育辅助和移动搜索等多种应用场景。 AI项目与工具 2025年06月12日 52 点赞 0 评论 631 浏览
UX Pilot UX Pilot 是一款 AI 驱动的 UX/UI 设计工具，支持高保真界面生成、线框图探索、Figma 整合及全流程设计管理。它通过智能算法提升设计效率，支持团队协作与多平台适配，适用于产品原型验证、设计迭代与开发交付，助力用户实现高效、精准的设计流程。 AI项目与工具 2025年06月12日 94 点赞 0 评论 631 浏览
GenChess GenChess是一款由谷歌DeepMind开发的AI工具，允许用户通过关键词生成个性化国际象棋棋子。它提供了经典与创意两种模式，支持单个棋子的独立调整及对手棋子的自动生成，同时兼容在线对弈和棋子图片下载功能，适用于教育、娱乐、创意表达及专业训练等场景。 AI项目与工具 2025年06月12日 54 点赞 0 评论 631 浏览
Chinese Chinese-LiPS是由智源研究院与南开大学联合开发的高质量中文多模态语音识别数据集，包含100小时语音、视频及手动转录文本。其创新性融合唇读视频与幻灯片内容，显著提升语音识别性能，实验表明可降低字符错误率约35%。适用于教学、科普、虚拟讲解等复杂语境，为多模态语音识别研究提供丰富数据支持。 AI项目与工具 2025年06月11日 47 点赞 0 评论 631 浏览
Muyan Muyan-TTS是一款面向播客场景的开源文本转语音工具，基于超10万小时播客数据训练，支持零样本语音合成与说话人适配，可在0.33秒内生成1秒音频，适合实时与长内容合成。支持本地部署与API调用，应用于播客、有声书、视频配音、AI角色及新闻播报等领域，兼具高效性与灵活性。 AI项目与工具 2025年06月11日 94 点赞 0 评论 631 浏览
Dezgo Dezgo是一款集文本到图像生成、图像编辑与多模型支持于一体的AI艺术工具，支持用户通过输入文本描述快速生成高质量图像。其主要功能包括文本到图像生成、图像到图像调整、自定义纵横比及图像编辑，广泛应用于艺术创作、营销材料、内容创作、教育研究、游戏开发及影视制作等领域。 AI项目与工具 2025年06月12日 37 点赞 0 评论 630 浏览
Jamba Jamba是由AI21 Labs开发的基于Mamba架构的生产级别大语言模型，结合了结构化状态空间模型（SSM）和传统Transformer架构，具备高吞吐量和低内存占用的特点。Jamba拥有256K的上下文窗口，适用于处理长文本序列，并且以开放权重的形式发布，遵循Apache 2.0开源许可。该模型主要用于研究领域，未来将推出更安全的版本。 AI项目与工具 2024年01月01日 29 点赞 0 评论 630 浏览
MindLLM MindLLM是由多所高校联合开发的AI模型，可将功能性磁共振成像（fMRI）信号解码为自然语言文本。其采用主体无关的fMRI编码器与大型语言模型结合，并引入脑指令调优技术，实现跨个体的高精度解码。该模型在多项任务中表现优异，具备广泛的应用潜力，包括医疗康复、脑机接口、神经科学研究及人机交互等领域。 AI项目与工具 2025年06月12日 58 点赞 0 评论 630 浏览
