深度学习 - 智狐AI导航

UniTok

UniTok是由字节跳动联合高校研发的统一视觉分词器，支持视觉生成与理解任务。其采用多码本量化技术，将视觉特征分割并独立量化，显著提升离散token的表示能力。在ImageNet上实现78.6%的零样本分类准确率，图像重建质量达0.38。可作为多模态大语言模型的视觉输入模块，广泛应用于图像生成、视觉问答、内容创作及跨模态检索等场景。

AI项目与工具 2025年06月11日 22 点赞 0 评论 315 浏览

AI Picasso

AI Picasso 是一个可让您使用强大的 AI 创作令人惊叹的艺术品。它从您输入的文本中生成图像，类似Stable Diffusion。您还可以使用提示词进行编辑微调，享受使用 AI 进行艺术创作的乐趣。

Ai绘画生成 2025年06月05日 75 点赞 0 评论 315 浏览

VideoLLaMA3

VideoLLaMA3 是阿里巴巴开发的多模态基础模型，支持视频与图像的深度理解和分析。基于 Qwen 2.5 架构，结合先进视觉编码器与语言生成能力，具备高效时空建模与多语言处理能力。适用于视频内容分析、视觉问答、字幕生成等场景，提供多种参数版本，支持灵活部署。

AI项目与工具 2025年06月12日 87 点赞 0 评论 310 浏览

易我人声分离

易我人声分离是一款基于AI技术的音频编辑工具，可智能分离音频或视频中的人声与背景音乐，支持多种格式，并具备一键操作的便捷性。它不仅适用于音乐创作和视频剪辑，还支持精确分离乐器声音，广泛应用于语言学习、影视后期制作等多个领域。

AI项目与工具 2025年06月12日 25 点赞 0 评论 305 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 305 浏览