产品库

基于ERes2NetV2模型的音色稳定性评分与音色打标。

ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目，旨在对音色进行稳定性评分和音色打标，帮助用户选择稳定且符合需求的音色。项目已开源，支持在线试听和下载音色样本。

开源的语音识别和说话人分割模型推理代码

Reverb 是一个开源的语音识别和说话人分割模型推理代码，使用 WeNet 框架进行语音识别 (ASR) 和 Pyannote 框架进行说话人分割。它提供了详细的模型描述，并允许用户从 Hugging Face 下载模型。Reverb 旨在为开发者和研究人员提供高质量的语音识别和说话人分割工具，以支持各种语音处理任务。

基于OpenAI Whisper的自动语音识别与说话人分割

whisper-diarization是一个结合了Whisper自动语音识别(ASR)能力、声音活动检测(VAD)和说话人嵌入技术的开源项目。它通过提取音频中的声音部分来提高说话人嵌入的准确性，然后使用Whisper生成转录文本，并通过WhisperX校正时间戳和对齐，以减少由于时间偏移导致的分割错误。接着，使用MarbleNet进行VAD和分割以排除静音，TitaNet用于提取说话人嵌入以识别每个段落的说话人，最后将结果与WhisperX生成的时间戳关联，基于时间戳检测每个单词的说话人，并使用标点模型重新对齐以补偿小的时间偏移。

轻量级、先进的2B参数文本生成模型。

Gemma 2 2B是谷歌开发的轻量级、先进的文本生成模型，属于Gemma模型家族。该模型基于与Gemini模型相同的研究和技术构建，是一个文本到文本的解码器仅大型语言模型，提供英文版本。Gemma 2 2B模型适用于问答、摘要和推理等多种文本生成任务，其较小的模型尺寸使其能够部署在资源受限的环境中，如笔记本电脑或桌面电脑，促进了对最先进AI模型的访问，并推动了创新。

自动语音识别工具，提供词级时间戳和说话人识别

BetterWhisperX是一个基于WhisperX改进的自动语音识别模型，它能够提供快速的语音转文字服务，并具备词级时间戳和说话人识别功能。这个工具对于需要处理大量音频数据的研究人员和开发者来说非常重要，因为它可以大幅提高语音数据处理的效率和准确性。产品背景基于OpenAI的Whisper模型，但做了进一步的优化和改进。目前，该项目是免费且开源的，定位于为开发者社区提供更高效、更准确的语音识别工具。

全球首个 A2A Agent 注册平台，携手共创 Agent 协作网络。

A2A 市场是一个致力于全球 A2A 代理协作的平台，通过开放协议实现不同代理之间的通信与互操作性。它为开发者和企业提供了一个注册和展示 A2A 代理的机会，助力构建一个高效的代理协作网络，推动代理技术的应用与发展。A2A 市场的目标是通过标准化协议，实现 AI 代理之间的无缝对接，提升工作效率和协作能力。

一键生成复古PS2风格图片

PS2 Filter AI Tool是一款在线工具，使用先进的AI技术，用户可以上传自己的图片，一键转换成复古的PlayStation 2风格。它不仅能够提供独特的视觉效果，还能让用户轻松分享到社交媒体，享受复古游戏的视觉体验。

利用LLM提高T2I图像生成一致性

OPT2I是一个T2I优化框架，利用大型语言模型（LLM）提高提示-图像一致性。通过迭代生成修订后的提示，优化生成过程。能显著提高一致性得分，同时保持FID并增加生成数据与真实数据召回率。

智能销售与B2B联系信息的GPT插件

Persana AI是一款超强的Chrome插件，可实现大规模的LinkedIn信息搜集、AI消息推送、人员/公司洞察和验证的联系信息。通过Persana AI，您可以在LinkedIn和Gmail上创建高度个性化的消息，并自动生成验证的联系信息。还可以直接将LinkedIn的个人信息保存到HubSpot。Persana AI还集成了ChatGPT，可以回答关于潜在客户的特定问题，并提供即时的潜在客户和公司洞察。这个插件适用于需要快速高效的LinkedIn信息推送、人员/公司洞察和联系信息验证的销售团队、招聘人员和个人。

Y2K风格的文本/字体生成模型

FLUX Y2K TYPEFACE是一个基于LoRA技术的文本/字体生成模型，能够以高精度生成Y2K风格的文本、字体、标志和徽章。该模型由Black Forest Labs, Inc.授权，代表了文本和字体生成技术的新进展，具有高度的创造性和实用性。

基于Unity的Live2D虚拟人实时聊天系统

AI女友是一款基于Unity开发的Live2D虚拟人实时聊天系统，它利用Live2D技术提供动态的虚拟人形象，结合Unity的实时渲染功能，实现与用户的动态交互和聊天。主要功能包括Live2D虚拟人形象集成、实时聊天、图像处理和人脸检测，支持高清分辨率显示，并且可自定义和扩展。

打造有温度的数字人，注入灵魂。

awesome-digital-human-live2d 是一个开源项目，旨在创建具有交互性的数字人物模型。它支持Docker快速部署，集成了Dify服务，支持ASR、LLM、TTS、Agent等模块化扩展，并且可以控制Live2d人物模型。该项目通过模块化设计，简化了数字人的创建过程，使得开发者能够更专注于个性化和创新。

PaliGemma 2是功能强大的视觉语言模型，简单易调优。

PaliGemma 2是Gemma家族中的第二代视觉语言模型，它在性能上进行了扩展，增加了视觉能力，使得模型能够看到、理解和与视觉输入交互，开启了新的可能性。PaliGemma 2基于高性能的Gemma 2模型构建，提供了多种模型尺寸（3B、10B、28B参数）和分辨率（224px、448px、896px）以优化任何任务的性能。此外，PaliGemma 2在化学公式识别、乐谱识别、空间推理和胸部X光报告生成等方面展现出领先的性能。PaliGemma 2旨在为现有PaliGemma用户提供便捷的升级路径，作为即插即用的替代品，大多数任务无需大幅修改代码即可获得性能提升。

Aria Gen 2 是一款用于机器感知、情境 AI 和机器人研究的新型智能眼镜。

Aria Gen 2 是 Meta 推出的第二代研究级智能眼镜，专为机器感知、情境 AI 和机器人研究而设计。它集成了先进的传感器和低功耗的机器感知技术，能够实时处理 SLAM、眼动追踪、手势识别等功能。该产品旨在推动人工智能和机器感知技术的发展，为研究人员提供强大的工具来探索如何让 AI 更好地理解人类视角的世界。Aria Gen 2 不仅在技术上取得了突破，还通过与学术界和商业研究实验室的合作，促进了开放研究和公众对这些关键技术的理解。

2D游戏动画生成模型

godmodeanimation是一个开源的2D游戏动画生成模型，它通过训练文本到视频和图像到视频的模型来生成2D游戏动画。开发者使用了公共游戏动画数据和3D mixamo模型渲染动画来训练动画生成模型，并开源了模型、训练数据、训练代码和数据生成代码。

B2B 计费和收入管理解决方案

Received AI 提供专为 B2B 合同和混合定价模型设计的自动化发票、计费和收入管理解决方案，帮助提高运营效率、拓展能力并恢复对数据的控制。

Falcon 2 是一款开源、多语言、多模态的模型，具备图像到文本转换能力。

Falcon 2 是一款具有创新功能的生成式 AI 模型，为我们创造了一种充满可能性的未来路径，只有想象力才是限制。Falcon 2 采用开源许可证，具备多语言和多模态的能力，其中独特的图像到文本转换功能标志着 AI 创新的重大进展。

超高质量的 B2B 潜在客户

Looti 是一款基于 AI 的预测营销工具，可以帮助您建立受众群体并发现超高质量的 B2B 潜在客户。通过 Looti，您可以在几次点击中生成 B2B 潜在客户，使用 20 多个筛选条件进行精细调整，并获取符合受众群体的超高质量潜在客户的联系信息。Looti 还提供强大的 AI 超级细分功能，让您能够像专业人士一样对数据进行细分。无需清洗数据，Looti 提供一切所需。支持与 Hubspot、Pipedrive、Lemlist、Emailable 和 Zero Bounce 等工具的内部集成。

即时访问ChatGPT，DALL·E 3，Claude，Llama 2和其他AI

AI Hubs是一个提供即时访问ChatGPT，DALL·E 3，Claude，Llama 2和其他AI的网站。它提供了各种功能，包括聊天、图像生成、文字生成等。用户可以在AI Hubs上使用这些AI来满足不同的需求。AI Hubs定位于为用户提供便捷的AI访问服务，并且具有简单易用、高效准确的特点。定价根据使用情况进行收费。

B2B Lead Generation Platform

Leadgenerator.io是一款B2B领先的全能平台，提供CRM、销售流程、目标列表建立和项目管理等一站式解决方案。它帮助用户从发现到成交完成所有销售目标，提供定量和定性预测分析，提高团队生产力，拓展营销覆盖范围，自动化销售流程，增加收入，降低成本。Leadgenerator.io是销售、市场营销和运营团队的最佳B2B线索生成平台。

B2B销售增长工具

Zaplify是一个强大的B2B销售增长工具，帮助销售团队与潜在客户建立更紧密的关系并将其转化为潜在客户。它提供了自动化的联系和智能洞察功能，通过AI驱动的决策制定和行动计划，使销售过程更加高效和智能化。定价请参考官方网站。

Textoon 是一款基于文本描述生成生动 2D 卡通角色的创新工具。

Textoon 是由阿里巴巴集团通义实验室推出的一种创新方法，能够根据文本描述快速生成多样化的 2D 卡通角色。该技术利用先进的语言和视觉模型，将文本意图转化为 2D 角色外观，生成的 Live2D 模型具有高效性和兼容性。它不仅满足了数字角色创作中对 2D 卡通风格的需求，还填补了当前 3D 角色研究中对 2D 互动角色关注不足的空白。其主要优点包括高效的渲染性能、灵活的文本解析能力和可编辑性，适用于快速生成高质量的 2D 卡通角色。

Octopus-V2-2B是一款在移动设备上运行的2B LLMs，性能优于GPT-4

Octopus-V2-2B是由斯坦福大学NexaAI开发的开源大型语言模型，具有20亿参数，专门为Android API的功能调用定制。它采用了独特的功能性标记策略，用于训练和推理阶段，使其达到与GPT-4相当的性能水平，并提高了推理速度。Octopus-V2-2B特别适合边缘计算设备，能够在设备上直接运行，支持广泛的应用场景。

立即检查您的雅思写作2，并获得准确的分数和详细的评分报告

Smriti是一款基于人工智能的工具，可以评估雅思写作任务2的文章。它根据雅思标准评估您的文章，并提供详细的9分制分数以及针对您表现的具体反馈。Smriti提供准确的评估，帮助您了解自己的优势和改进的方向。它是提高雅思写作分数的可靠而有洞察力的工具。

PaliGemma 2 mix 是一款多功能的视觉语言模型，适用于多种任务和领域。

PaliGemma 2 mix 是 Google 推出的升级版视觉语言模型，属于 Gemma 家族。它能够处理多种视觉和语言任务，如图像分割、视频字幕生成、科学问题回答等。该模型提供不同大小的预训练检查点（3B、10B 和 28B 参数），可轻松微调以适应各种视觉语言任务。其主要优点是多功能性、高性能和开发者友好性，支持多种框架（如 Hugging Face Transformers、Keras、PyTorch 等）。该模型适用于需要高效处理视觉和语言任务的开发者和研究人员，能够显著提升开发效率。

B2B SaaS产品分析工具

June是一款针对B2B SaaS的产品分析工具。它能够自动生成报告，重点关注公司如何使用您的产品。June提供了详细的功能列表，可帮助您了解产品的各种功能和优势。同时，它还提供了灵活的定价计划，适应不同规模的企业。无论您是初创公司还是大型企业，June都可以帮助您了解客户如何使用您的产品，并为您提供有价值的洞察。

Lix是一款B2B爬虫、邮件查找和API工具，帮助用户快速获取商业联系人信息。

Lix是一个强大的B2B搜集工具，可以帮助用户快速获取商业联系人信息。它提供了高效的数据爬取和邮件查找功能，支持Excel和CSV文件导出。Lix的主要优点是快速、易于使用和高度可定制。

一个用于说话人分割的工具包

DiariZen是一个基于AudioZen和Pyannote 3.1驱动的说话人分割工具包。说话人分割是音频处理中的一个关键步骤，它能够将一段音频中的不同说话人进行区分。这项技术在会议记录、电话监控、安全监听等多个领域都有广泛的应用。DiariZen的主要优点包括易于使用、高准确性和开源，使得研究人员和开发者可以自由地使用和改进它。DiariZen在GitHub上以MIT许可证发布，这意味着它是完全免费的，并且可以被商业使用。

谷歌2B参数指令调整模型

Gemma-2B-IT是谷歌推出的2B参数指令调整模型，基于Gemini架构，专为提高数学、推理和代码处理能力而设计。该模型在普通笔记本上即可运行，无需庞大的AI算力，适用于多种应用场景。

B2B影响者营销平台

Ivee是一个B2B影响者营销平台，旨在帮助企业与行业专家合作，以增长收入、产生潜在客户并提升品牌。它通过AI驱动的搜索引擎集中来自Linkedin、Youtube、Substack和Apple podcast等平台的数据，帮助企业找到与品牌DNA和目标最相关的行业领导者。Ivee还提供数据驱动的洞察来评估受众质量和相关性，并帮助企业建立业务驱动的合作关系，提高运营效率。