深度学习

1. 首页
2. 深度学习

Hertz

Hertz-Dev是一款由Standard Intelligence开发的开源音频模型，专注于低延迟实时对话AI。它具备强大的音频生成与处理能力，能够处理和生成高质量的音频信号，并支持多任务微调，适用于语音识别、语音合成等多种应用场景。此外，Hertz-Dev还提供了音频自动编码、流式生成等功能，广泛应用于智能助手、客户服务、语音识别及合成等领域。

AI项目与工具 2025年06月12日 48 点赞 0 评论 140 浏览

JoyGen

JoyGen是由京东科技与香港大学联合开发的音频驱动型3D说话人脸视频生成框架，能够实现唇部动作与音频信号的精准同步，并提供高质量的视觉效果。该工具采用单步UNet架构进行高效视频编辑，基于130小时中文视频数据集训练，在唇音同步和视觉质量方面表现优异。适用于虚拟主播、动画制作、在线教育及多语言视频生成等多个领域，为视频内容创作提供了创新解决方案。

AI项目与工具 2025年06月12日 78 点赞 0 评论 140 浏览

Eagle 2.5

Eagle 2.5 是一款由英伟达开发的视觉语言模型，专注于长上下文多模态学习，具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B，但性能接近更大模型。采用信息优先采样和渐进式后训练策略，提升模型稳定性与适应性。支持多样任务，适用于视频分析、图像处理、内容创作及教育等多个领域。

AI项目与工具 2025年06月11日 59 点赞 0 评论 141 浏览

PhotoPrism

PhotoPrism是一款开源的AI照片管理工具，采用Go语言开发，支持用户在本地服务器上运行，确保数据隐私与安全性。它通过AI技术实现照片的智能分类与搜索，涵盖人物、物体和场景识别，还支持RAW、JPG等多种文件格式，提供面部识别、地理标签及WebDAV同步等功能，适用于个人、家庭、企业和教育机构等多样化需求。

AI项目与工具 2025年06月12日 59 点赞 0 评论 142 浏览

scite

scite是一款利用深度学习技术的文献分析工具，具备智能引文分类、上下文分析及可视化引文网络等功能。它支持用户快速评估文献质量，追踪引用动态，适用于文献综述、研究验证及学术出版等场景。通过支持、反对和提及分类，scite显著提升了文献引用的效率和准确性，同时提供了强大的自定义面板和消息提醒功能。

AI项目与工具 2025年06月12日 65 点赞 0 评论 143 浏览

ArchitectGPT

一款创新的AI室内设计工具，旨在帮助您创建梦想空间的惊人视觉效果。凭借其尖端技术，ArchitectGPT 使您能够毫不费力地生成各种主题的室内自定义设计，无论您是在设想现代、质朴、装饰艺术还是极简主义风格。

Ai图片处理 2025年06月05日 21 点赞 0 评论 143 浏览

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。

AI项目与工具 2025年06月12日 63 点赞 0 评论 143 浏览

Fellou

Fellou是一款由Fellou AI推出的智能浏览器，集成了智能体技术与工作流自动化，能自动执行复杂任务，提升操作效率。其核心功能包括深度行动、主动智能、影子空间、智能体网络等，支持跨平台搜索、多任务并行及个性化服务。用户可通过简单指令完成数据采集、表单填写、报告生成等操作，适用于市场调研、行为预测及多场景协作等应用场景。

AI项目与工具 2025年06月11日 66 点赞 0 评论 144 浏览

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 147 浏览

DaVinciFace

DaVinciFace是一款使用深度学习技术将任何人脸照片生成达芬奇风格肖像的软件。

Ai图片处理 2025年06月05日 32 点赞 0 评论 147 浏览