R

Rork

Rork是一款AI驱动的无代码开发工具,能够根据用户自然语言描述快速生成跨平台移动应用。它支持iOS和Android平台,基于React Native技术,可一键发布到App Store和Google Play,并与多种后端数据库集成。Rork适合初创企业、非技术用户及快速原型开发,降低应用开发门槛,提升效率。

OmniCam

OmniCam 是一种基于多模态输入的高级视频生成框架,结合大型语言模型与视频扩散模型,实现高质量、时空一致的视频内容生成。支持文本、视频或图像作为输入,精确控制摄像机运动轨迹,具备帧级操作、复合运动、速度调节等功能。采用三阶段训练策略提升生成效果,并引入 OmniTr 数据集增强模型性能。适用于影视、广告、教育及安防等多个领域,提高视频创作效率与质量。

Fast GraphRAG

Fast GraphRAG是微软推出的一款高效知识图谱检索框架,结合了RAG技术和知识图谱,用于提升大型语言模型在处理私有数据和复杂数据集时的表现。它具备可解释性、高精度、动态数据支持及实时更新能力,适用于多种应用场景如智能问答、企业知识管理、个性化推荐、医疗健康信息检索以及金融分析等领域。

TextHarmony

TextHarmony是一款由华东师范大学与字节跳动联合开发的多模态生成模型,擅长视觉与文本信息的生成与理解。该模型基于Slide-LoRA技术,支持视觉文本生成、编辑、理解及感知等功能,广泛应用于文档分析、场景文本识别、视觉问题回答、图像编辑与增强以及信息检索等领域。通过高质量数据集的构建与多模态预训练,TextHarmony在视觉与语言生成任务中表现出色。

PDF.ai

PDF.ai是一个创新平台,使用 AI 与任何文档聊天并提出问题、获取摘要、查找信息等。

Rodin

Rodin是一款由影眸科技开发的AI驱动3D生成工具,专注于快速生成高质量的3D模型。它支持文本提示和图片输入生成3D资产,具备多视图融合、模型调整及材质生成等功能,适用于游戏开发、角色建模、虚拟现实等多种场景,同时兼顾生成效率与细节表现,但需进一步优化精度与数据集适应性。

Twitter Personality

Twitter Personality是一款AI驱动的分析工具,能够通过分析Twitter用户的公开言论生成个性化、幽默且尖锐的点评。用户只需输入Twitter用户名,即可获得针对其推文历史的评价。该工具主要应用于个人娱乐、社交互动、名人点评、内容创作以及市场调研等多个领域。

混元图生视频

混元图生视频是腾讯混元推出的开源图生视频模型,支持用户上传图片并输入描述生成5秒短视频,具备对口型、动作驱动和背景音效自动生成等功能。模型适用于多种风格与场景,参数量达130亿,已在腾讯云上线并开源,支持本地部署与定制开发,适用于创意视频、特效制作及动画开发等多个领域。

EasyOCR

EasyOCR是一款基于深度学习技术的开源OCR工具,支持超过80种语言及多种书写系统。它提供高精度的文字识别能力,用户可通过简单的API轻松地将图像中的文本转换为可编辑的文本。EasyOCR易于安装和使用,支持跨平台操作,并具备批量处理能力。该工具在图像质量有一定要求的情况下,能够高效处理大量图像文件。

StreamBridge

StreamBridge是一款由苹果与复旦大学联合开发的端侧视频大语言模型框架,支持实时视频流的理解与交互。通过内存缓冲区和轮次衰减压缩策略,实现长上下文处理与主动响应。项目配套发布Stream-IT数据集,包含60万样本,适用于多种视频理解任务,展现出在视频交互、自动驾驶、智能监控等领域的应用前景。