AI项目与工具

书生·万象InternVL 2.5

书生·万象InternVL 2.5

书生·万象InternVL 2.5是一款开源多模态大型语言模型，基于InternVL 2.0升级而来。它涵盖了从1B到78B不同规模的模型，支持多种应用场景，包括图像和视频分析、视觉问答、文档理解和信息检索等。InternVL 2.5在多模态理解基准上表现优异，性能超越部分商业模型，并通过链式思考技术提升多模态推理能力。
AI项目与工具 2025年06月12日
OpenEMMA

OpenEMMA

OpenEMMA是一个开源的端到端自动驾驶多模态模型框架，基于预训练的多模态大型语言模型（MLLMs），能够处理视觉数据和复杂驾驶场景的推理任务。它通过链式思维推理机制提升轨迹规划和感知任务性能，并集成了优化的YOLO模型以提高3D边界框预测的准确性。此外，OpenEMMA支持人类可读的输出，适用于多种驾驶环境，包括城市道路、高速公路、夜间及复杂天气条件下的驾驶。
AI项目与工具 2025年06月12日
Multiverse

Multiverse

Multiverse是由Enigma Labs开发的全球首个基于AI生成的多人游戏模型，支持实时交互与动态世界生成，确保玩家视角一致。其核心技术包括联合动作向量和双视角通道堆叠，有效解决多人游戏中的同步难题。模型训练成本低，可在普通PC上运行，且项目全面开源，适用于多人游戏开发、VR/AR、AI训练、教育等多个领域。
AI项目与工具 2025年06月11日
ICEdit

ICEdit

ICEdit是由浙江大学与哈佛大学联合开发的指令式图像编辑框架，基于扩散变换器实现自然语言驱动的图像修改。支持多轮编辑、风格转换、对象替换等功能，具有高效处理能力（单张图像约9秒）。采用LoRA-MoE混合微调策略，降低资源需求，适用于创意设计、影视制作、社交媒体等多个领域。开源且提供在线体验，便于研究与应用。
AI项目与工具 2025年06月11日
wisio.app

wisio.app

Wisio.app是一款专为学术写作设计的AI工具，提供包括文本改写、语法校正、科学英语翻译在内的多项功能。它支持文献综述、论文草稿撰写、编辑优化及跨语言交流等应用场景，尤其适合科研人员和学生。通过集成数据库资源和智能算法，Wisio.app旨在帮助用户高效完成高质量学术文档的创作。
AI项目与工具 2025年06月12日
Whisper Input

Whisper Input

Whisper Input 是一款开源语音输入工具，基于 Python 和 OpenAI Whisper 模型开发，支持多语言语音识别与实时转录。用户可通过快捷键操作录音并生成文本，具备翻译、自动标点、高效处理及本地运行等功能。适用于会议记录、教育、智能交互及媒体制作等多种场景。
AI项目与工具 2025年06月12日
BoomCut

BoomCut

BoomCut是小影科技推出的AI视频本地化工具，支持视频换脸、多语言口播、字幕翻译、声音克隆及字幕擦除等功能，适用于跨境营销和多语言内容制作。用户可通过简单操作生成高质量视频，降低制作成本，提升内容传播效率。适用于广告投放、市场拓展及个性化营销场景。
AI项目与工具 2025年06月11日
字狐AIPPT

字狐AIPPT

字狐AIPPT是一款基于AI技术的智能PPT制作工具，支持一键生成、模板选择、文档转换等功能，适用于商务、教育、培训等多个场景。用户可通过输入主题或上传文件快速生成专业演示文稿，同时支持多设备使用和内容灵活编辑，提升工作效率与展示效果。
AI项目与工具 2025年06月12日
ChatWise

ChatWise

ChatWise 是一款支持多种语言模型的 AI 聊天工具，提供多模态交互功能，支持音频、PDF、图片和文本文件处理。其桌面优化设计提升体验，数据本地存储保障隐私。内置网页搜索功能，支持连接 Notion、Google Sheets 等外部工具，适用于学习、办公、内容创作等场景。
AI项目与工具 2025年06月11日
Toucan TTS

Toucan TTS

Toucan TTS是一款由德国斯图加特大学自然语言处理研究所开发的文本到语音合成工具箱。它基于Python和PyTorch构建，支持超过7000种语言及多种方言和变体。主要功能包括多说话人语音合成、语音风格克隆、人机交互编辑、语音参数调整以及发音清晰度和性别特征调整。该工具箱适用于语音模型教学、文字朗读和多语言应用开发等场景，并提供在线交互式演示功能，方便用户快速理解和使用。
AI项目与工具 2025年06月12日