产品库

利用视觉语言模型将PDF解析为Markdown。

vision-parse是一个利用视觉语言模型（Vision LLMs）将PDF文档解析为格式化良好的Markdown内容的工具。它支持多种模型，包括OpenAI、LLama和Gemini等，能够智能识别和提取文本及表格，并保持文档的层级结构、样式和缩进。该工具的主要优点包括高精度的内容提取、格式保持、支持多模型以及本地模型托管，适用于需要高效文档处理的用户。

AnyParser是首个具有准确性和速度的文档解析LLM，可从PDF、PowerPoint和图片中精确提取文本、表格、图表和布局信息。

AnyParser通过视觉语言模型提升了文档检索准确性高达2倍。它能精确提取文本、表格、图表和布局信息，优于传统OCR工具。该产品具有隐私保护、企业集成等特点。

AI解读隐私政策，保护个人隐私

parsepolicy是一款利用人工智能解读隐私政策的产品。通过先进的解析技术，将繁琐的法律术语和复杂性简化，将隐私政策转化为易于理解的语言。用户可以更好地了解自己的数据处理方式，保护个人隐私。产品采用先进的加密和安全协议，确保用户数据的保护。个人信息将保持机密，用户的电子邮件地址仅用于沟通，不会被共享或出售。该产品目前处于MVP阶段，免费使用。

视觉语言模型高效文档检索工具

ColPali 是一种基于视觉语言模型的高效文档检索工具，它通过直接嵌入文档页面图像的方式来简化文档检索流程。ColPali 利用了最新的视觉语言模型技术，特别是 PaliGemma 模型，通过晚交互机制实现多向量检索，从而提高检索性能。这一技术不仅加快了索引速度，降低了查询延迟，而且在检索包含视觉元素的文档方面表现出色，例如图表、表格和图像。ColPali 的出现，为文档检索领域带来了一种新的“视觉空间检索”范式，有助于提高信息检索的效率和准确性。

多语言嵌入模型，用于视觉文档检索。

vdr-2b-multi-v1 是一款由 Hugging Face 推出的多语言嵌入模型，专为视觉文档检索设计。该模型能够将文档页面截图编码为密集的单向量表示，无需 OCR 或数据提取流程即可搜索和查询多语言视觉丰富的文档。基于 MrLight/dse-qwen2-2b-mrl-v1 开发，使用自建的多语言查询 - 图像对数据集进行训练，是 mcdse-2b-v1 的升级版，性能更强大。模型支持意大利语、西班牙语、英语、法语和德语，拥有 50 万高质量样本的开源多语言合成训练数据集，具有低 VRAM 和快速推理的特点，在跨语言检索方面表现出色。

保护您的身份和数据免受大型语言模型隐私泄露威胁

ZeroTrusted.ai是一家先驱性的公司,专门从事生成式人工智能安全领域。他们的LLM防火墙产品旨在保护您免受由于语言模型训练数据集可能包含您的敏感信息而带来的数据曝光和被不道德的语言模型提供商或恶意行为者利用的风险。该产品提供匿名功能以保护提示语隐私,通过ztPolicyServer和ztDataPrivacy确保数据安全和隐私,优化提示语和验证结果以提高准确性并防止模型编造,并支持与LangChain、Zapier等多种工具集成。该产品分为免费版、标准版、商业版和企业版等多个定价方案,功能和服务级别有所不同。ZeroTrusted.ai致力于简化安全合规,通过云无关的零信任解决方案、动态自适应加密等技术最大程度地保护应用程序和数据。

享受最好的AI模型，保护您的隐私

BlindChat是一款聊天应用，提供最好的AI模型，保护用户的隐私。通过BlindChat，用户可以与AI进行对话，并获得准确和有趣的回答。该应用内置了Xenova/LaMini-Flan-T5-783M模型，可以回答各种问题。BlindChat还提供端到端的加密，确保用户的对话内容得到保护。该应用目前处于测试阶段，用户可以加入Beta测试。

解析工具、互动文档

AiPdfs是一款强大的AI解析工具，能够帮助用户快速上传和互动文档。它具有智能内容生成、关键词分析、提供有用建议等功能。通过AiPdfs，用户可以更快速地写博客、创作高转化率的文章、撰写更吸引人的邮件。它可以提升产品的生产力，让用户的工作更加高效。AiPdfs支持网站形态，适用于各种写作场景。

隐私保护的AI使用洞察系统

Clio是Anthropic公司开发的一种自动化分析工具，旨在隐私保护的前提下分析真实世界中的语言模型使用情况。它通过将对话抽象化成主题聚类，帮助我们了解用户如何在日常中使用Claude AI模型，类似于Google Trends工具。Clio的主要优点在于它能够在不侵犯用户隐私的情况下提供对AI模型使用情况的洞察，这对于提高AI模型的安全性至关重要。Anthropic公司非常重视用户数据的保护，Clio的设计体现了这一点，通过多层隐私保护措施确保用户隐私。

免费AI动漫滤镜，保护隐私

Photo to Anime是一个免费的AI动漫滤镜工具，可以将照片或文字转换为动漫风格的艺术作品。它使用先进的AI技术，将您的照片转换为独特的动漫风格艺术，同时也可以根据您提供的文字描述生成定制的动漫风格图片。它注重隐私保护，所有处理都在设备上进行，您的照片不会上传到云端。使用Photo to Anime，您可以轻松地将您的回忆转化为迷人的动漫艺术作品。

提供文档解析功能，将图片或 PDF 文件转换成 Markdown 格式，实现智能转换

OCR 体验是一个文档解析工具，利用 OCR 技术将图片或 PDF 文件转换成 Markdown 格式文件。其主要优点在于高效转换并智能排版，背景信息源于对文档处理的需求。目前免费使用。

自动解析扫描文档，提取所需信息

Extracta.ai是一款可以从任何非结构化文档中提取数据的工具。它可以自动解析扫描文档，并提取您所需的信息，包括功能、优势、定价、定位等。

文件解析器，专为LLMs解析PDF、Docx、PPTx等文档。

MegaParse是一个强大的文件解析器，专为大型语言模型（LLMs）设计，以确保在解析过程中不丢失任何信息。它支持多种文件格式，包括PDF、PowerPoint、Word文档等，并且是开源的。这个工具的主要优点是速度快、效率高，且能够广泛兼容不同文件类型。MegaParse的背景信息显示，它是由QuivrHQ开发的，并且拥有活跃的社区和贡献者。产品是免费的，并且可以通过GitHub访问其源代码。

大规模视觉语言模型的视觉词汇扩展

Vary 是一个用于大规模视觉语言模型的官方代码实现。它通过扩展视觉词汇来提高模型的性能。该模型具有强大的图像理解和语言生成能力，可以在多个领域进行应用。

通用型视觉语言模型

Qwen-VL 是阿里云推出的通用型视觉语言模型,具有强大的视觉理解和多模态推理能力。它支持零样本图像描述、视觉问答、文本理解、图像地标定位等任务,在多个视觉基准测试中达到或超过当前最优水平。该模型采用 Transformer 结构,以 7B 参数规模进行预训练,支持 448x448 分辨率,可以端到端处理图像与文本的多模态输入与输出。Qwen-VL 的优势包括通用性强、支持多语种、细粒度理解等。它可以广泛应用于图像理解、视觉问答、图像标注、图文生成等任务。

基于视觉语言模型的检索增强型生成模型

VisRAG是一个创新的视觉语言模型（VLM）基础的RAG（Retrieval-Augmented Generation）流程。与传统的基于文本的RAG不同，VisRAG直接将文档作为图像通过VLM进行嵌入，然后检索以增强VLM的生成能力。这种方法最大限度地保留了原始文档中的数据信息，并消除了解析过程中引入的信息损失。VisRAG模型在多模态文档上的应用，展示了其在信息检索和增强文本生成方面的强大潜力。

强大的开源视觉语言模型

CogVLM是一个强大的开源视觉语言模型。CogVLM-17B拥有100亿个视觉参数和70亿个语言参数。CogVLM-17B在10个经典的跨模态基准测试中取得了最先进的性能，包括NoCaps、Flicker30k字幕、RefCOCO、RefCOCO+、RefCOCOg、Visual7W、GQA、ScienceQA、VizWiz VQA和TDIUC，并在VQAv2、OKVQA、TextVQA、COCO字幕等方面排名第二，超过或与PaLI-X 55B相匹配。CogVLM还可以与您就图像进行对话。

AI情感支持伴侣，保护用户隐私

GentleGossip是一款AI情感支持伴侣应用，旨在帮助用户缓解情感压力。我们的应用非常注重用户隐私，不会保留或记录任何对话数据。GentleGossip可以提供安全、私密、无压力的聊天环境，帮助用户获得更清晰的思路和更好的心情。我们的应用是免费的。

AI助手，隐私保护

Anon是一个注重隐私的AI助手，类似于ChatGPT，但默认提供隐私保护。它允许用户在不登录、无追踪的情况下自由使用，所有对话都保留在本地设备上。Anon由先进的技术如Llama 3.1 405B和FLUX提供支持，旨在为用户提供一个安全、私密的AI对话环境。

保护隐私的音频深度检测

SafeEar是一个创新的音频深度检测框架，它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器，将语义和声学信息从音频样本中分离出来，仅使用声学信息（如韵律和音色）进行深度检测，从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力，使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明，SafeEar在检测各种深度技术方面非常有效，其等错误率（EER）低至2.02%。同时，它还能保护五种语言的语音内容不被机器和人类听觉分析破译，通过我们的用户研究和单词错误率（WER）均高于93.93%来证明。此外，SafeEar还构建了一个用于反深度和反内容恢复评估的基准，为未来在音频隐私保护和深度检测领域的研究提供了基础。

功能齐全的翻译解决方案，保护隐私。

Linguist Translate是一个注重隐私保护的翻译插件，提供离线翻译功能，不发送任何私人信息，确保用户隐私安全。它支持全页翻译，用户可以快速翻译整篇文章，同时支持自定义翻译服务。此外，它还允许用户保存翻译历史，创建个人知识库，非常适合语言学习者和需要翻译服务的旅行者。

匿名使用热门人工智能模型进行聊天，保护隐私，支持多种AI模型。

DuckDuckGo AI Chat 是一款基于网页的匿名人工智能聊天工具，旨在为用户提供安全、隐私保护的聊天体验。它集成了多种热门人工智能模型，如 GPT-4、Claude 3、Llama 3.3 和 Mistral Small 3，用户可以在不暴露个人信息的情况下与这些模型进行交互。该产品强调隐私保护，不会保存用户的聊天记录或利用对话内容进行人工智能训练。其主要优点是匿名性、隐私保护和多模型支持，适合对隐私敏感的用户。DuckDuckGo 作为知名的隐私保护搜索引擎，通过该产品进一步拓展了其在人工智能领域的应用，定位为隐私优先的 AI 聊天服务，目前免费提供给用户使用。

基于纯视觉的图形用户界面代理解析器

OmniParser 是微软研究团队开发的一种用于解析用户界面截图的方法，它通过识别可交互图标和理解屏幕截图中各种元素的语义，显著提升了基于视觉的语言模型（如GPT-4V）生成准确界面操作的能力。该技术通过精细调整的检测模型和描述模型，能够解析屏幕截图中的可交互区域和提取功能语义，从而在多个基准测试中超越了基线模型。OmniParser 作为一个插件，可以与其他视觉语言模型结合使用，提升它们的性能。

深度学习文档解析API

Cradl AI是一个专为开发者和具有高级数据捕获需求的企业设计的文档解析API。利用深度学习的强大能力，快速构建、训练和部署先进的文档解析模型，无需具备机器学习经验。提供灵活的定价和部署选项，适用于各种场景。

AI 搜索引擎，保护隐私

You.com 是一款基于人工智能的搜索引擎，提供个性化搜索体验，同时保护用户数据 100% 私密。其多维度界面和水平和垂直滚动功能可以帮助用户在更短的时间内发现更多内容。用户可以通过个性化搜索结果和 150 多个应用程序（如 StackOverflow，Medium 和 Twitter）定制他们的搜索体验。You.com 无追踪和侵入性广告，保护用户的隐私。

Yep-搜寻赚钱，保护隐私

Yep是一款搜索引擎，通过使用Yep进行搜索，您可以为您喜爱的内容创作者赚取收益。Yep致力于证明更好的技术和公平的商业模式可以为数百万人创造机会。Yep还与创作者分享广告收益并保护您的隐私。该产品定位于提供公平的搜索服务，并为用户和内容创作者创造共赢的机会。

多模态视觉语言模型

MouSi是一种多模态视觉语言模型，旨在解决当前大型视觉语言模型（VLMs）面临的挑战。它采用集成专家技术，将个体视觉编码器的能力进行协同，包括图像文本匹配、OCR、图像分割等。该模型引入融合网络来统一处理来自不同视觉专家的输出，并在图像编码器和预训练LLMs之间弥合差距。此外，MouSi还探索了不同的位置编码方案，以有效解决位置编码浪费和长度限制的问题。实验结果表明，具有多个专家的VLMs表现出比孤立的视觉编码器更出色的性能，并随着整合更多专家而获得显著的性能提升。

隐私保护的搜索引擎

PrivacyWall是一款隐私保护的搜索引擎插件，使用最新的人工智能技术保护您的数据和隐私。它不追踪您的搜索记录，不显示侵入式广告，为您提供安全、自由的搜索体验。插件内置PrivateView功能，可以在不暴露IP地址和个人信息的情况下实时预览网页。我们相信隐私是一项人权，致力于让网络成为一个更安全、更私密的地方。

保护数据隐私的AI写作助手

Garson.io是一个隐私优先的AI写作助手，帮助产品人士提升写作能力，保护敏感数据的安全。它可以帮助你写出专业的电子邮件和博客文章，并且提供快速而准确的文稿改进。Garson.io通过替换敏感数据，确保用户的隐私得到保护。它还可以根据不同的情感和长度要求，生成更加专业和优雅的文本。Garson.io是提高写作效率的利器，可以节省50%的时间。

PaliGemma 2是一个强大的视觉-语言模型，支持多种视觉语言任务。

PaliGemma 2是一个由Google开发的视觉-语言模型，继承了Gemma 2模型的能力，能够处理图像和文本输入并生成文本输出。该模型在多种视觉语言任务上表现出色，如图像描述、视觉问答等。其主要优点包括强大的多语言支持、高效的训练架构和广泛的适用性。该模型适用于需要处理视觉和文本数据的各种应用场景，如社交媒体内容生成、智能客服等。