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 36 点赞 0 评论 911 浏览
Helix Helix 是 Figure 公司推出的视觉-语言-动作（VLA）模型，专为人形机器人设计，支持对上半身的高精度、高频次控制，频率达 200Hz。它能基于自然语言指令执行未见过的物品操作，具备强大的泛化能力。系统采用端到端训练方式，可在低功耗设备上运行，适用于多机器人协作、家庭服务、工业自动化等多种场景，具有较高的商业化潜力。 AI项目与工具 2025年06月12日 69 点赞 0 评论 910 浏览
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 85 点赞 0 评论 909 浏览
TurboEdit TurboEdit是一款由Adobe Research开发的AI即时图像编辑模型。它通过编码器迭代反演和基于文本的精细控制，在数步内实现图像的精确编辑。用户可以通过修改详细的文本提示来引导图像编辑，实现对图像特定属性的精确修改。TurboEdit具备快速高效的特性，支持实时编辑，并在文本引导下的图像编辑方面表现出色。 AI项目与工具 2025年06月12日 75 点赞 0 评论 909 浏览
Chat Nio Chat Nio 是一款集成了丰富 AI 功能的一站式服务管理平台，支持文本、图像、音频和视频处理，兼容 OpenAI、Anthropic Claude 等多种 AI 模型。其主要功能包括文件解析、对话记忆、云端同步、多端适配等，同时提供开源版本以满足开发者的个性化需求。适用于个人用户、开发者及企业，支持多种应用场景，如客户服务、内容创作、数据分析和教育领域。 AI项目与工具 2025年06月12日 42 点赞 0 评论 909 浏览
Stagehand Stagehand 是一款基于自然语言处理的 AI 工具，专注于网页自动化操作。其核心功能包括自然语言驱动的 `act`、`extract` 和 `observe` API，支持原子化指令执行和多模型适配。Stagehand 可实现网页测试、数据抓取、表单操作及内容监控等多样化任务，广泛应用于网页测试、数据分析、办公自动化等领域。 AI项目与工具 2025年06月12日 51 点赞 0 评论 909 浏览
CAMPHOR CAMPHOR是一款由苹果团队研发的端侧小型语言模型多智能体框架，通过在设备本地处理用户输入并进行个人上下文推理，实现了高效的隐私保护与快速响应。其分层架构包含高阶推理智能体和多个专家智能体，能够分解复杂任务、与设备工具交互并生成动态执行计划。此外，通过参数共享和提示压缩技术，大幅降低了模型资源需求。 AI项目与工具 2025年06月12日 34 点赞 0 评论 909 浏览
Edify 3D Edify 3D 是 NVIDIA 推出的一款高效3D资产生成工具，能够从文本或图像输入快速生成高质量的3D模型。其主要功能包括支持文本到3D、图像到3D的转换，生成高分辨率纹理与 PBR 材质，并具备快速生成、UV贴图和材质图生成等特性。该工具通过多视图扩散模型、Transformer 模型及跨视图注意力机制实现精准建模，适用于游戏开发、虚拟现实、影视制作及建筑可视化等多个领域。 AI项目与工具 2025年06月12日 40 点赞 0 评论 909 浏览
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 69 点赞 0 评论 909 浏览
