模型
  1. 首页
  2. 模型

列表

FunASR

FunASR

FunASR是一个由阿里巴巴达摩院开源的多功能语音识别工具包，涵盖语音识别（ASR）、语音活动检测（VAD）、标点恢复、说话人验证及分离等功能。它支持工业级模型的训练与微调，并提供预训练模型和易用接口，便于快速部署。新增的Whisper-large-v3-turbo模型进一步提升了其性能，广泛应用于智能助手、会议记录、客服系统和语音搜索等领域。
AI项目与工具 2025年06月12日
Autocut

Autocut

AutoCut是一款开源AI视频剪辑工具，利用自动语音识别技术生成字幕并支持文本编辑功能，帮助用户高效剪辑视频片段。支持多模型运行及硬件加速，可输出SRT或Markdown格式文件，广泛应用于视频创作、企业培训、新闻报道、语言学习等多个领域。
AI项目与工具 2025年06月12日
Augmented Physics

Augmented Physics

Augmented Physics是一款基于人工智能的教育工具，旨在通过计算机视觉技术和多模态语言模型，将物理教科书中的静态图表转化为动态交互式模拟，帮助学生更好地理解物理概念。它支持多种仿真类型，包括光学、运动学和电路等，并提供动态可视化和动画效果，同时无需编程技能即可创建仿真。
AI项目与工具 2025年06月12日
Voiceflow

Voiceflow

Voiceflow 是一款面向非技术用户的无代码对话式 AI 平台，具备直观的拖放界面和强大的自然语言处理能力。它支持复杂对话流程的设计、多渠道部署及团队协作，适用于客户服务自动化、虚拟助手开发、语音交互系统构建等多个领域，为企业和个人提供灵活且高效的解决方案。
AI项目与工具 2025年06月12日
Agent

Agent

Agent-S 是一款基于图形用户界面（GUI）的人机交互自动化框架，通过经验增强的分层规划和代理-计算机接口（ACI），实现了复杂任务的自动化分解与执行。它结合多模态大型语言模型（MLLMs）进行推理和控制，并具备持续学习和跨操作系统通用性的特点，适用于办公自动化、网页交互、个人助理、客户服务和教育等多个场景。
AI项目与工具 2025年06月12日
neural frames

neural frames

Neural Frames 是一款基于人工智能的文本转视频工具，能够将文本描述转换为动态视频内容，支持多种神经网络模型的选择与自定义训练。它具备音频反应动画、帧级编辑控制和高分辨率输出等功能，适用于音乐视频制作、数字艺术创作、广告设计、教育视频开发等多个领域，为创意工作者提供高效且灵活的解决方案。
AI项目与工具 2025年06月12日
OpenR

OpenR

OpenR是一个由多家知名高校联合开发的开源框架，专注于通过强化学习和搜索技术提升大型语言模型的推理能力。它集成了数据获取、强化学习训练及非自回归解码功能，支持多种搜索算法和在线强化学习训练，能够有效提高模型的推理效率和精度。同时，其自动化数据处理能力减少了人工标注的需求，适用于数学问题求解、代码生成、自然语言处理等多种应用场景。
AI项目与工具 2025年06月12日
T2V

T2V

T2V-Turbo 是一种高效的文本到视频生成模型，能够快速生成高质量视频，同时确保文本与视频的高度一致性。它通过一致性蒸馏技术和混合奖励机制优化生成过程，适用于电影制作、新闻报道、教育及营销等多个领域，支持从创意草图到成品视频的全流程加速。
AI项目与工具 2025年06月12日
ScriptViz

ScriptViz

ScriptViz是一款基于MovieNet数据库的剧本可视化工具，利用CLIP模型实现剧本文本与电影画面的匹配，支持用户通过SQL语句设定剧本属性并生成视觉化参考。其功能涵盖视觉素材检索、剧本与视觉匹配、故事分析及对话对齐可视化，旨在提升剧本创作过程中的视觉表现力和叙事连贯性。此外，ScriptViz还提供情绪捕捉、场景细化及角色开发等应用，适用于剧本开发、故事板制作等多个场景。
AI项目与工具 2025年06月12日
Loong

Loong

Loong是一种基于自回归大型语言模型的长视频生成工具，能够生成长达一分钟以上的高质量视频。其核心技术包括统一序列建模、渐进式训练方法及损失重新加权策略，确保生成视频在内容连贯性、动态丰富性和场景过渡上的卓越表现。Loong广泛适用于娱乐、教育、广告等多个领域，助力用户快速生成个性化、专业化的视频内容。
AI项目与工具 2025年06月12日