FunAudioLLM FunAudioLLM是由阿里巴巴通义实验室开发的开源语音大模型项目,包含SenseVoice和CosyVoice两个子模型。SenseVoice擅长多语言语音识别和情感辨识,支持超过50种语言;CosyVoice则专注于自然语音生成,支持多种语言、音色和情感控制。该项目适用于多语言翻译、情感语音对话等场景,其相关模型和代码已公开发布。 AI项目与工具 2025年06月12日 66 点赞 0 评论 697 浏览
FastGPT FastGPT是一款开源的AI知识库构建平台,支持多种文档格式导入和自动预处理,提供可视化工作流设计、多模型兼容及API集成功能。用户可快速构建智能问答系统和自动化流程,适用于客服、知识管理、教育、医疗和旅游等多个场景。平台提供不同版本的定价方案,满足个人、团队及企业的需求。 AI项目与工具 2025年06月12日 58 点赞 0 评论 697 浏览
Dreamina Dreamina,用户可以根据一段文字生成四幅由AI生成的创意图,用户还可以对生成的图片进行修整,包括调整图片的大小比例和选择不同的模板类型。 Ai绘画生成 2025年06月05日 53 点赞 0 评论 697 浏览
ImageRAG ImageRAG 是一种基于检索增强生成(RAG)技术的图像生成工具,通过动态检索相关图像提升文本到图像模型的生成能力。它能够增强对罕见概念的理解与生成,提升图像的真实度和相关性,支持多模态生成与个性化定制。无需额外训练即可适配多种 T2I 模型,广泛应用于创意设计、品牌推广、教育及影视等领域。 AI项目与工具 2025年06月12日 12 点赞 0 评论 698 浏览
Decode Investing Decode Investing是一款基于人工智能技术的股票市场研究与分析平台,主要功能包括AI股票分析、SEC文件搜索、收益电话记录查看、股票筛选器、投资排行榜、行业能力圈分析、智能聊天助手及股市分析工具等。它为投资者提供详尽的数据支持和专业建议,帮助用户高效地进行投资决策和股票研究。 AI项目与工具 2025年06月12日 23 点赞 0 评论 699 浏览
Gemma 3n Gemma 3n 是谷歌 I/O 开发者大会推出的端侧多模态 AI 模型,基于 Gemini Nano 架构,采用逐层嵌入技术,将内存占用压缩至 2-4B 参数模型水平。支持文本、图像、短视频和音频输入,可生成结构化文本输出,并具备音频转录、情感分析等功能。可在本地设备运行,响应时间低至 50 毫秒,适用于语音助手、内容生成和学术任务定制。 AI项目与工具 2025年06月11日 87 点赞 0 评论 700 浏览
SlideSpeak SlideSpeak是一款基于AI技术的多功能工具,支持用户上传多种文档格式并生成演示文稿或摘要。其主要功能包括AI生成的演示文稿、文档总结、交互式聊天机器人、视觉内容分析及语音旁白生成。此外,SlideSpeak强调数据安全性,适用于学术研究、商业演示、教育培训等多个领域。 AI项目与工具 2025年06月12日 11 点赞 0 评论 700 浏览
CAT4D CAT4D是一种由Google DeepMind、哥伦比亚大学及加州大学圣地亚哥分校共同开发的工具,它利用多视图视频扩散模型,从单目视频中生成动态3D(4D)场景表示。该工具可以合成新视图、重建动态3D模型,并支持独立控制相机视点和场景动态,适用于电影制作、游戏开发、虚拟现实等多种领域。 AI项目与工具 2025年06月12日 72 点赞 0 评论 701 浏览