工具

Skywork R1V

Skywork R1V是昆仑万维推出的首个工业级多模态思维链推理模型,具备强大的视觉链式推理能力,可处理数学问题、科学现象分析、医学影像诊断等复杂任务。其技术基于文本推理能力的多模态迁移与混合式训练方法,在多项基准测试中表现优异。模型开源,适用于教育、医疗、科研、内容审核等多个领域,推动多模态人工智能的发展。

codeAI

一款革命性的VS Code插件,为开发人员提供了基于人工智能的代码生成、单元测试创建和文档生成能力。

Playground v3

Playground v3是一款基于大型语言模型(LLM)的文本到图像生成工具,具备240亿参数量的潜扩散架构(LDM),能够精准理解和生成复杂的图像内容,支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持,广泛应用于设计、内容创作、游戏开发、广告等多个领域。

MUSICHERO

MUSICHERO是一款利用AI技术实现文本到音乐转换的在线生成工具,基于Suno V3.5算法,支持用户通过简单描述快速生成专业级别的音乐作品,涵盖流行、摇滚、电子等多种风格。该平台具备直观易用的特点,支持免费体验及定制化设置,适用于音乐制作、内容创作、教育培训等多个领域。

美图Whee

美图Whee是美图旗下AI绘画平台,提供文生图和图生图功能,你只需要输入提示词,AI就能根据提示词画出对应的图象,也可以导入一张照片,Al会生成多种风格的绘画。

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器,通过结合局部与全局token,提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息,增强细节感知能力。在多个基准测试中表现优异,尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略,提高模型泛化能力,适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

Aqua Voice

Aqua Voice 是一款AI驱动的语音转录与文档编辑工具,支持语音转文字、自然语言指令编辑、自动格式优化及多语言处理。它适用于高效写作、辅助输入及跨平台办公场景,兼容多种主流应用,提升文本创作效率与准确性。

PhotoKit

PhotoKit 集成了强大的在线照片编辑器