产品库

高效的文本到音频生成模型，具有潜在一致性。

AudioLCM是一个基于PyTorch实现的文本到音频生成模型，它通过潜在一致性模型来生成高质量且高效的音频。该模型由Huadai Liu等人开发，提供了开源的实现和预训练模型。它能够将文本描述转化为接近真实的音频，具有重要的应用价值，尤其是在语音合成、音频制作等领域。

一种新的文本条件高分辨率生成模型

Phased Consistency Model（PCM）是一种新型的生成模型，旨在解决Latent Consistency Model（LCM）在文本条件高分辨率生成中的局限性。PCM通过创新的策略在训练和推理阶段提高了生成质量，并通过广泛的实验验证了其在不同步骤（1步、2步、4步、8步、16步）下与Stable Diffusion和Stable Diffusion XL基础模型的结合效果。

高效能的文本到图像生成模型

SDXL Flash是由SD社区与Project Fluently合作推出的文本到图像生成模型。它在保持生成图像质量的同时，提供了比LCM、Turbo、Lightning和Hyper更快的处理速度。该模型基于Stable Diffusion XL技术，通过优化步骤和CFG（Guidance）参数，实现了图像生成的高效率和高质量。

使用 LCM-Lookahead 技术的文本到图像个性化模型

LCM-Lookahead for Encoder-based Text-to-Image Personalization 是一种使用 LCM-Lookahead 技术的文本到图像个性化模型，它可以通过在模型训练和分类器指导中传播图像空间损失来实现更好的身份保真度，同时保留布局多样性和提示对齐。

一种稳定高效的视频生成模型

AnimateLCM-SVD-xt是一种新的图像到视频生成模型,可以在很少的步骤内生成高质量、连贯性好的视频。该模型通过一致性知识蒸馏和立体匹配学习技术,使生成视频更加平稳连贯,同时大大减少了计算量。关键特点包括:1) 4-8步内生成25帧576x1024分辨率视频;2) 比普通视频diffusion模型降低12.5倍计算量;3) 生成视频质量好,无需额外分类器引导。

这是一个使用深度学习为文字描述生成动画视频的模型

AnimateLCM是一个使用深度学习生成动画视频的模型。它可以仅使用极少的采样步骤就生成高保真的动画视频。与直接在原始视频数据集上进行一致性学习不同,AnimateLCM采用了解耦的一致性学习策略,将图像生成先验知识和运动生成先验知识的萃取进行解耦,从而提高了训练效率并增强了生成的视觉质量。此外,AnimateLCM还可以与Stable Diffusion社区的插件模块配合使用,实现各种可控生成功能。AnimateLCM已经在基于图像的视频生成和基于布局的视频生成中验证了其性能。

高分辨率图像生成模型，快速生成，少步推理

Latent Consistency Models是一种高分辨率图像生成模型，通过少步推理快速生成高保真度图像。LCMs可以从任何预训练的稳定扩散模型中提取，只需要32个A100 GPU小时的训练即可生成高质量的768×768分辨率图像。此外，LCMs还引入了一种名为Latent Consistency Fine-tuning（LCF）的新方法，可以在自定义图像数据集上进行微调，实现定制化图像生成。

将文本转语音的成本降低高达95%

Unreal Speech是一个文本转语音的API，可将文本转换为语音，可帮助用户大幅降低语音合成成本。它比Eleven Labs和Play.ht便宜20倍，比Amazon、Microsoft和Google便宜4倍。Unreal Speech提供高质量的语音合成，并可根据用户的需要提供个性化的声音和格式选项。该API还支持实时演示和与其他语音合成引擎进行比较。定价根据字符数和音频时长计算，随着使用量的增加而享受折扣。

AI辅助创作，无需设计和排版

Gamma App是一款由AI驱动的新型创作工具，帮助用户轻松创建美观、引人入胜的内容，无需繁琐的格式和设计工作。它提供一键模板和无需编码的编辑功能，让用户可以快速生成完美的演示文稿、文档和网页。Gamma App的功能包括快速生成文档、演示文稿和网页，自定义模板样式，实时演示和在线分享等。它适用于个人和企业，可提升创作效率和内容质量。

智能语言辅导，实时反馈，自然对话学习。

LingoTheory是一款旨在通过智能技术帮助用户学习语言的产品。它通过实时反馈功能，让用户在语法、词汇和发音上的错误得到即时纠正。用户可以自由使用母语与智能辅导进行交流，系统将帮助用户学习目标语言。产品采用自然对话方式，模拟与朋友间的交流，让用户在轻松的环境中学习语言。此外，LingoTheory还鼓励用户每天学习，通过科学验证的方法和进度跟踪帮助用户快速提升语言水平。

在线文本转语音工具，支持多语言和自然发音。

TTSynth.com是一个免费的在线文本转语音(TTS)生成器，它使用先进的AI技术将书面文本转换为自然发音的语音。该服务支持多种语言和口音，适用于全球用户。它提供了高质量的音频输出，并且用户可以轻松下载TTS MP3文件。TTS技术在教育、营销、无障碍解决方案等多个领域都有广泛的应用。

客户支持智能助手，提升服务效率。

Gofer是一款专注于客户支持领域的智能助手，通过AI技术帮助企业提升客户服务团队的工作效率。它提供个性化的教练建议，情感分析，快速回复建议等功能，帮助企业实时优化客户支持流程，降低成本，提高客户满意度。

多模态智能代理框架，解决复杂任务

OmAgent是一个复杂的多模态智能代理系统，致力于利用多模态大型语言模型和其他多模态算法来完成引人入胜的任务。该项目包括一个轻量级的智能代理框架omagent_core，精心设计以应对多模态挑战。OmAgent由三个核心组件构成：Video2RAG、DnCLoop和Rewinder Tool，分别负责长视频理解、复杂问题分解和信息回溯。

实现风格感知的拖放式图像编辑

Magic Insert 是一种创新的图像编辑技术，它允许用户将任意风格的图像主题拖放到另一种风格的目标图像中，并实现风格感知和逼真的插入。这项技术通过解决风格感知个性化和在风格化图像中进行真实对象插入的两个子问题，正式定义了风格感知拖放的问题，并提出了一种方法来解决它。Magic Insert 的方法显著优于传统的图像修复技术。此外，还提供了一个名为 SubjectPlop 的数据集，以促进该领域的评估和未来发展。

云端编辑，AI助力，提升效率

Typelets Editor Beta 是一款基于云的在线编辑器，通过集成的生成性人工智能（Generative AI）来提升用户的工作效率和协作体验。它提供了快速响应的编辑环境，支持轻量与暗色界面模式，以及项目基础的聊天功能。此外，用户可以轻松导入PDF文件并对其进行查询。Typelets Editor Beta 由Bata Labs公司开发，旨在通过先进的技术改善文档编辑和协作流程。

自然交互的语音理解和生成基础模型

FunAudioLLM是一个旨在增强人类与大型语言模型(Large Language Models, LLMs)之间自然语音交互的框架。它包含两个创新模型：SenseVoice负责高精度多语种语音识别、情绪识别和音频事件检测；CosyVoice负责自然语音生成，支持多语种、音色和情绪控制。SenseVoice支持超过50种语言，具有极低的延迟；CosyVoice擅长多语种语音生成、零样本上下文生成、跨语言语音克隆和指令跟随能力。相关模型已在Modelscope和Huggingface上开源，并在GitHub上发布了相应的训练、推理和微调代码。

通过AI智能体推广李白诗歌文化

meet-libai是一个以唐代诗人李白及其诗歌作品为核心，结合人工智能技术构建的知识图谱和AI智能体项目。该项目通过数字化手段，创新传统文化的普及推广方式，使李白的诗歌文化得到更广泛的传播和深入的理解。项目利用自然语言处理技术，构建了包含李白生平、诗歌风格、艺术成就等多维度信息的知识图谱，并训练了能够与用户进行高质量互动的AI智能体，提供了一种新颖的学习和体验传统文化的方式。

自动生成丰富详细的图像描述

image-textualization 是一个自动框架，用于生成丰富和详细的图像描述。该框架利用深度学习技术，能够自动从图像中提取信息，并生成准确、详细的描述文本。这项技术在图像识别、内容生成和辅助视觉障碍人士等领域具有重要应用价值。

可控视频和图像生成技术

ControlNeXt是一个开源的图像和视频生成模型，它通过减少高达90%的可训练参数，实现了更快的收敛速度和卓越的效率。该项目支持多种控制信息形式，并且可以与LoRA技术结合使用，以改变风格并确保更稳定的生成效果。

自动翻译漫画的桌面应用

Comic Translate 是一个桌面应用程序，旨在自动翻译各种格式的漫画，包括BD、Manga、Manhwa、Fumetti等，支持多种语言。它利用了GPT-4的强大翻译能力，特别适用于翻译那些其他翻译器难以准确翻译的语言对，如韩语、日语到英语的翻译。该应用支持多种文件格式，如图像、PDF、Epub、cbr、cbz等，为用户提供了一种便捷的方式来享受不同语言的漫画内容。

Artifacts.run 是一个能够分享和运行 React 代码的平台。

Artifacts.run 是一个基于 React 的代码分享平台，用户可以在平台上分享他们的 React 代码，并且在浏览器中实时运行。该平台简化了 React 代码分享和演示的流程，为开发人员提供了一个便捷的交流工具。

快速使用和评估提示技术

QualityPrompts是一个Python插件，实现了58种不同的提示技术，这些技术来源于OpenAI、Microsoft等机构的调研。它通过提供少量示例来帮助用户快速构建和评估他们的提示。该插件的主要优点是能够显著提高解决数学问题等任务的准确性，并且易于使用和集成。

基于潜在扩散模型的大规模文本到图像生成模型

Kolors是由快手Kolors团队开发的大规模文本到图像生成模型，基于潜在扩散模型，训练于数十亿文本-图像对。它在视觉质量、复杂语义准确性以及中英文文本渲染方面，均优于开源和闭源模型。Kolors支持中英文输入，尤其在理解及生成中文特定内容方面表现突出。

智能编程助手，提升开发效率。

CodeGeeX是一款基于大模型的全能智能编程助手，能够实现代码的生成与补全、自动添加注释、代码翻译以及智能问答等功能，支持多种主流IDE和编程语言，帮助开发者显著提高工作效率。

对话式视频代理，结合大型语言模型与视频处理API。

Jockey是一个基于Twelve Labs API和LangGraph构建的对话式视频代理。它将现有的大型语言模型(Large Language Models, LLMs)的能力与Twelve Labs的API结合使用，通过LangGraph进行任务分配，将复杂视频工作流程的负载分配给适当的基础模型。LLMs用于逻辑规划执行步骤并与用户交互，而与视频相关的任务则传递给由视频基础模型(Video Foundation Models, VFMs)支持的Twelve Labs API，以原生方式处理视频，无需像预先生成的字幕这样的中介表示。

AI驱动的变更日志生成器，简化产品管理流程。

ProductLift是一个针对SaaS产品经理、项目经理和市场策略师的优先级排序、路线图和变更日志工具。它允许用户对功能进行投票，定义产品路线图，并展示产品更新。ProductLift致力于提升您的产品体验。

AI驱动的公共股票投资助手

Calypso是一个AI驱动的公共股票投资助手，结合了人工智能技术与公共金融数据，提供全方位的股票分析服务。它通过AI技术帮助用户在股票市场做出更明智的投资决策，提供实时的盈利预览、更新、AI聊天问答等功能，并通过GPT-4类模型训练，以提供更专业的投资建议。

AI驱动的SQL查询生成工具

OWOX BI SQL Copilot是一款AI驱动的SQL查询生成工具，它通过自动化的方式帮助数据和业务团队快速、准确地创建SQL查询，无需编码技能。该工具直接集成Google BigQuery，提供即时访问表架构，支持使用自然语言生成复杂SQL，优化现有查询，并提供错误修正和实时调试功能。它还支持广泛的SQL功能，包括解释和增强查询结构，以提高理解和性能。此外，OWOX BI SQL Copilot强调数据所有权，确保用户数据的安全和合规性。

定制化大型语言模型的专业微调工具

Expert Specialized Fine-Tuning (ESFT) 是一种针对具有专家混合(MoE)架构的大型语言模型(LLMs)的高效定制化微调方法。它通过仅调整与任务相关的部分来优化模型性能，提高效率，同时减少资源和存储的使用。

可灵 AI 是新一代 AI 创意生产力平台

可灵 AI 是一款集成了 AI 图像和视频创作功能的创意生产力平台。其主要优点在于快速生成多样风格的图片和高清视频，助力用户提升创作效率。产品定位于为创作者和内容创意人群提供创作灵感和工具支持。