R

1. 首页
2. R

Etna模型

一个文字转视频的AIGC模型，Etna能够根据简短的文本描述生成相应的视频内容，支持生成时长为8-15秒的视频，且视频流畅度极高，每秒可达60帧。

Ai视频生成 2025年06月05日 28 点赞 0 评论 490 浏览

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架，旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间，实现从粗粒度到细粒度的信息获取，并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理，具备良好的可扩展性，适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。

AI项目与工具 2025年06月11日 84 点赞 0 评论 490 浏览

Droidrun

Droidrun是一款基于AI的Android设备自动化工具，结合视觉识别、UI解析与LLM推理技术，支持自然语言控制和多平台部署。它能执行复杂任务自动化，具备自愈机制、多LLM兼容性及丰富的扩展接口，适用于AI助手、数据交互、测试验证等多种场景。

AI项目与工具 2025年06月11日 72 点赞 0 评论 490 浏览

FLORA AI

一款为创意专业人士打造的集成多模型、支持实时协作的 AI 画布工具。提供无限画布、多模型集成、节点式系统和实时协作等功能，快速生成创意草图、文案、图像。

Ai绘画生成 2025年06月05日 61 点赞 0 评论 490 浏览

Spirit Me

SpiritMe允许用户使用数字化身制作视频，这些化身可以用自己的声音和情感表达说出他们输入的任何文本。它提供订阅、预付费计划和免费试用。它可以作为一种工具来进行交流，生成个...

Ai绘画生成 1970年01月01日 0 点赞 0 评论 489 浏览

DocMind

DocMind是一款基于Transformer架构的文档智能大模型，融合了深度学习、NLP和CV技术，用于处理富文本文档的复杂结构和视觉信息。它能够精准识别文档实体、捕捉文本依赖关系并深入理解文档内容，支持知识库结合，提升专业文档理解能力。DocMind还具备自动执行文档相关任务的功能，如问题解答、文档分类整理等，广泛应用于法律、教育、金融等领域。

AI项目与工具 2025年06月12日 89 点赞 0 评论 489 浏览

Dreamer

Dreamer是一个集成了 Notion 和 Stable Diffusion 的AI生成图像的一种工具，无需在不同的应用程序或网站之间切换。

Ai绘画生成 2025年06月05日 14 点赞 0 评论 489 浏览

MarkItDown

MarkItDown是一款由微软推出的开源文档转换工具，支持多种文件格式（如PDF、Office文档、图像、音频等）转换为Markdown格式。它具备OCR文字识别、语音转文字、元数据提取等功能，适用于文档归档、内容发布、数据挖掘、学术研究等多个场景，旨在简化文件处理流程，提升工作效率。通过提供简单易用的API接口，MarkItDown成为开发者友好型工具。

AI项目与工具 2025年06月12日 22 点赞 0 评论 489 浏览

TripoSF

TripoSF是由VAST推出的新型3D基础模型，采用SparseFlex表示方法和稀疏体素结构，显著降低内存占用并提升高分辨率建模能力。其“视锥体感知的分区体素训练”策略优化了训练效率，使模型在细节捕捉、拓扑结构支持和实时渲染方面表现突出。实验数据显示，TripoSF在Chamfer Distance和F-score等关键指标上分别降低82%和提升88%。适用于视觉特效、游戏开发、具身智能及产品

AI项目与工具 2025年06月12日 71 点赞 0 评论 489 浏览

MacWhisper

MacWhisper是一款基于OpenAI Whisper技术的AI音频转文字工具。它能够在本地设备上将音频文件快速转录成文本，并支持多种语言。该工具具有多种音频和视频格式兼容性，提供不同的转录模型选择，支持字幕导出，且具备视频播放功能。最新版本增加了基于Apple芯片的硬件加速，提升了实时语音识别效率，并集成了OpenAI语言模型以提高转录和翻译的准确性。MacWhisper适用于记者、媒体工作

AI项目与工具 2025年06月12日 15 点赞 0 评论 489 浏览