生成

AnyStory

AnyStory是阿里巴巴通义实验室开发的文本到图像生成工具,支持单个或多个主体的高保真图像生成。其核心在于“编码-路由”架构,结合ReferenceNet和CLIP视觉编码器实现主体特征的精准建模与定位。通过解耦路由机制,有效避免多主体混淆,确保图像与文本描述高度一致。适用于创意设计、角色生成、广告制作等多个场景,提供高质量、个性化的图像生成能力。

万物追踪

万物追踪是一款基于生成式AI技术的信息推送工具,能从全球数据中精准捕捉用户关心的事件,如政策变化、股票动态、体育赛事等,并实时生成定制内容推送给用户。用户可自由订阅感兴趣的主题,系统自动持续追踪并推送更新。适用于财经、科技、体育、教育和娱乐等多个领域,提供高效、个性化的信息获取体验。

Seaweed APT

Seaweed APT是字节跳动研发的对抗性后训练模型,支持图像和视频的一站式生成。其通过在真实数据上进行对抗性训练,实现单步高质量输出,包括1024px图像和1280×720、24fps视频。该模型采用先进的生成器和判别器设计,结合近似R1正则化技术,提升训练稳定性和生成质量。适用于视频广告、影视创作、社交媒体等内容生产场景。

XMusic

XMusic是腾讯多媒体实验室开发的AI作曲框架,支持多模态输入(如图片、文字、视频等)生成情绪、风格、节奏可控的高质量音乐。其核心技术包括多模态解析、符号音乐表示与生成优化,具备商用级音乐生成能力。适用于视频配乐、互动娱乐、音乐教育、辅助创作及音乐治疗等多个场景,有效降低音乐创作门槛,提升创作效率与个性化体验。

MatterGen

MatterGen是由微软开发的生成式AI模型,专注于无机材料的设计与生成。它通过扩散过程逐步优化原子结构,生成稳定、多样化且符合特定性能要求的材料。支持化学组成、磁性、电子和机械性能等多维度约束,适用于逆向材料设计,提升新材料研发效率。已应用于能源、催化、电子等领域,推动材料科学进步。

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。

Weebo

Weebo是一款基于AI技术的实时语音交互工具,支持语音识别与生成,实现自然流畅的语音对话。具备多语言支持和实时响应能力,适用于个人助理、娱乐互动和教育辅导等场景。技术上融合了Whisper Small、Llama 3.2等模型,提供便捷高效的语音交互体验。

AutoMouser

AutoMouser是一款Chrome浏览器扩展,能够智能记录用户交互行为,并基于OpenAI GPT模型自动生成Selenium测试代码。它支持实时操作跟踪、代码结构优化、JSON日志导出等功能,适用于自动化测试脚本的快速生成与调试,提高了测试效率和可维护性。其核心优势在于简化了测试脚本的创建过程,降低了技术门槛。

Aibiye

Aibiye是一款基于先进语言模型的AI论文辅助工具,支持从选题建议、结构生成到内容填充的全流程写作服务。用户可输入关键词、选择专业及字数,生成符合学术规范的论文初稿,支持中英文文献引用和图表插入,具备降重与改写功能,助力提升论文质量。

豆包AI编程

豆包AI编程是一款基于AI技术的编程辅助工具,支持一键上传代码、实时接入GitHub项目,并提供沉浸式代码阅读和精准提问功能。它能生成、解释、修复和优化代码,提升编程效率与理解力,适用于学习、开发、代码审查及团队协作等场景。