学习

Gemini 2.5 Pro (I/O 版)

Gemini 2.5 Pro (I/O 版) 是 Google 推出的多模态 AI 模型,具备强大的编程能力和多模态内容生成功能。它能基于提示词或手绘草图快速生成交互式 Web 应用、游戏及模拟程序,并支持代码生成、编辑与优化。该模型在多个基准测试中表现优异,适用于 Web 开发、游戏制作、教育工具构建及企业级应用开发等领域。最新版本进一步提升了性能与灵活性。

普林斯顿大学

普林斯顿大学(Princeton University),简称“普林斯顿”,是一所私立研究型大学,创建于1746年,位于美国东海岸新泽西州的普林斯顿市,是美国大学协会的14个始创院校之一,也是常...

RMBG

RMBG-2.0是一款基于先进AI技术的开源图像背景移除模型,通过深度学习和多模态数据处理实现了高达90.14%的准确率。该模型在高分辨率图像上经过大量训练,支持电子商务、广告、游戏开发等领域,具备高精度背景移除、多模态数据处理及云服务器无关架构等特点,为用户提供了高效、灵活的解决方案。

FaceApp

FaceApp是一款结合AI技术的照片和视频编辑工具,提供多样化的滤镜和效果,帮助用户轻松实现自拍照的逼真编辑,包括年龄、性别、发型、发色等多维度的调整,同时支持创意场景融合和艺术化处理,适用于社交媒体分享、娱乐、时尚、创意摄影及广告营销等多个领域。

Textify

来自单一访问点的人工智能写作工具

OpenAudio S1

OpenAudio S1是Fish Audio推出的文本转语音(TTS)模型,基于200万小时音频数据训练,支持13种语言。采用双自回归架构和RLHF技术,生成自然流畅的语音,支持50多种情感和语调标记。具备零样本和少样本语音克隆功能,仅需10到30秒音频即可生成高保真声音。适用于视频配音、播客、游戏角色语音、虚拟助手、游戏娱乐、教育培训及客服系统等场景。提供40亿参数完整版和5亿参数开源版,满足

VideoPoet

VideoPoet是一款基于大模型的AI视频生成工具,支持从文本、图像或视频输入中合成高质量的视频内容及匹配的音频。其核心优势在于多模态大模型设计,能够处理和转换不同类型的输入信号,无需特定数据集或扩散模型即可实现多种风格和动作的视频输出。主要功能包括文本到视频转换、图像到视频动画、视频风格化、视频编辑和扩展、视频到音频转换以及多模态学习等。技术原理涉及多模态输入处理、解码器架构、预训练与任务适应

Notion AI

Notion AI 利用大规模的语言模型和数据收集,能帮助用户自动整理笔记、改正错别字、列出文章重点、翻译、制作表格等。

通义千问AI阅读助手

阿里通义千问推出的一个功能,旨在帮助用户更高效地处理和理解大量文档。这项功能允许用户一键速读百份不同格式的文档,并能解析在线网页,极大地提高了阅读效率和便利性。