OCRmyPDF OCRmyPDF 是一款开源的命令行工具,用于将扫描 PDF 转换为可搜索、可编辑的文档。基于 Tesseract OCR 引擎,支持 100 多种语言,具备图像优化、纠偏、清洁等功能,提升识别准确率。支持多核处理与批量操作,适合高效处理大量文件,且完全离线运行,保障数据安全。 AI项目与工具 2025年06月12日 39 点赞 0 评论 735 浏览
TEN Agent TEN Agent 是一款开源的实时多模态 AI 框架,集成了 OpenAI 实时 API 和 RTC 技术,支持语音、文本和图像的多模态交互。它具备天气查询、网络搜索、视觉识别及 RAG 等功能,支持高性能实时通信和模块化扩展,适用于智能客服、语音助手、教育辅助、智能家居控制和健康咨询等多个领域。 AI项目与工具 2025年06月12日 25 点赞 0 评论 735 浏览
GR00T GR00T-Teleop是NVIDIA Isaac GR00T系统的一部分,用于远程操作数据的采集与处理。它基于NVIDIA CloudXR技术连接高保真头显设备,实现手部跟踪数据与机器人环境视图的实时双向传输,支持用户对机器人进行直观控制。该工具为机器人训练、复杂任务执行及危险环境操作提供高质量数据支持,具备低延迟、高精度和强交互性等特点。 AI项目与工具 2025年06月12日 84 点赞 0 评论 735 浏览
M2UGen M2UGen是由腾讯PCG ARC实验室与新加坡国立大学共同研发的一款多模态音乐理解和生成框架,支持从文本、图像、视频等多种模态输入生成相应音乐。它具有强大的音乐理解能力、灵活的音乐编辑功能以及多样化的应用场景,适用于音乐制作、影视配乐、音乐教育等多个领域。凭借其创新的技术架构和卓越的表现力,M2UGen已成为当前最优秀的多模态音乐生成工具之一。 AI项目与工具 2025年06月12日 51 点赞 0 评论 734 浏览
Omniflow Omniflow 是一款基于AI的产品开发工具,旨在提升创意转化效率。其核心功能涵盖创意梳理、文档生成、任务分解与项目监控,支持自动化流程与多平台集成,适用于多种行业场景,助力团队高效协作与高质量交付。 AI项目与工具 2025年06月12日 100 点赞 0 评论 734 浏览
喵记多 喵记多是一款由快手旗下轻雀科技开发的AI笔记工具,通过AI助手“喵仔”实现便捷的笔记记录、待办提醒和信息管理。用户可通过自然语言交互快速生成笔记,支持图文内容记录、任务提醒、分类管理及智能搜索等功能。适用于课堂笔记、资料整理、会议记录等多种场景,提升信息处理效率与用户体验。 AI项目与工具 2025年06月11日 16 点赞 0 评论 734 浏览
快找找kFind 快找找kFind是一款由杭州半个宇宙科技开发的匿名AI搜索工具。用户无需注册或登录即可使用,支持微信小程序,提供即时搜索结果和补刀功能。该工具还允许用户浏览信息流并设置个性化内容推荐偏好。适用于学生、教育工作者、专业人士、研究人员和内容创作者等群体。 AI项目与工具 2025年06月12日 49 点赞 0 评论 734 浏览
Hyper Hyper-SD是由字节跳动研究人员开发的高效图像合成框架,通过轨迹分割一致性蒸馏(TSCD)、人类反馈学习(ReFL)和分数蒸馏等技术,显著降低了扩散模型在多步推理过程中的计算成本。该框架在保持高图像质量的同时,大幅减少了推理步骤,实现了快速生成高分辨率图像,推动了生成式AI技术的发展。 AI项目与工具 2025年06月12日 73 点赞 0 评论 734 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 734 浏览
See3D See3D是一款基于视觉条件技术的3D生成模型,能够通过大规模无标注的互联网视频学习3D先验知识,实现从文本、单视图或稀疏视图到3D内容的高效转化。其核心功能包括3D编辑、高斯渲染及基于稀疏图片的3D重建,支持在物体级与场景级复杂相机轨迹下生成长序列视图。此外,See3D还适用于游戏开发、建筑设计、电商展示、AR/VR等多个领域的创新应用。 AI项目与工具 2025年06月12日 25 点赞 0 评论 734 浏览