产品库

一种用于图像和文本数据的先进机器学习模型，专注于数据质量和透明度。

MetaCLIP是一个开源的机器学习模型，用于图像和文本的联合表示学习。它通过一个简单算法对CLIP数据进行筛选，不依赖于先前模型的过滤，从而提高了数据的质量和透明度。MetaCLIP的主要贡献包括无过滤的数据筛选、透明的训练数据分布、可扩展的算法和标准化的CLIP训练设置。该模型强调数据质量的重要性，并提供预训练模型，以支持研究人员和开发者进行控制实验和公平比较。

CoreNet 是一个用于训练深度神经网络的库。

CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。

一款由XTuner优化的LLaVA模型，结合了图像和文本处理能力。

llava-llama-3-8b-v1_1是一个由XTuner优化的LLaVA模型，它基于meta-llama/Meta-Llama-3-8B-Instruct和CLIP-ViT-Large-patch14-336，并通过ShareGPT4V-PT和InternVL-SFT进行了微调。该模型专为图像和文本的结合处理而设计，具有强大的多模态学习能力，适用于各种下游部署和评估工具包。

图像分析和描述工具

Clip Interrogator是一个使用CLIP模型来分析图像并生成描述性文本的工具。它通过解释图像内容来有效地将视觉内容和语言联系起来，对于理解和复制现有图像的风格和内容非常有用。

用于评估文本到视觉生成的创新性指标和基准测试

Evaluating Text-to-Visual Generation with Image-to-Text Generation提出了一种新的评估指标VQAScore,能够更好地评估复杂的文本到视觉生成效果,并引入了GenAI-Bench基准测试集。VQAScore基于CLIP-FlanT5模型,能够在文本到图像/视频/3D生成评估中取得最佳性能,是一种强大的替代CLIPScore的方案。GenAI-Bench则提供了包含丰富组合语义的实际场景测试文本,可用于全面评估生成模型的性能。

理解复杂视频，作诗配文的AI视频模型

MiniGPT4-Video是为视频理解设计的多模态大模型，能处理时态视觉数据和文本数据，配标题、宣传语，适用于视频问答。基于MiniGPT-v2，结合视觉主干EVA-CLIP，训练多阶段阶段，包括大规模视频-文本预训练和视频问题解答微调。在MSVD、MSRVTT、TGIF和TVQA基准上取得显著提升。定价未知。

Stability AI 推出图像提升增强工具：Creative Upscaler 可以将图像升级到 4k 分辨率，并创造以前没有的新细节和赋予图像新生命。

Creative Upscaler是一个基于AI的图片生成器,可以让任何人快速轻松地创建高质量的艺术作品。它整合了多种前沿的机器学习算法,如Stable Diffusion、DALL-E 2、VQGAN+CLIP等,支持生成各种风格的图像。用户只需要提供文字描述,Creative Upscaler就可以自动生成图片。同时,它还有创造性的图像上样器功能,可以把低分辨率图片转换成高清大图。Creative Upscaler完全免费使用,拥有庞大活跃的社区,是探索AI艺术的最佳选择。

创建企业级嵌入向量，一键生成

Cleora PRO是一款帮助数据科学团队在没有昂贵硬件的情况下创建高质量的客户和产品嵌入向量的工具。它可以将实体（例如客户、产品、店铺、账户等）通过嵌入向量表示，类似于文本中的Word2Vec或BERT，或者图像中的CLIP。Cleora的嵌入向量是行为型的，通过实体的行为历史来表示，这些历史以大型图的形式存在。使用Cleora PRO，您可以构建推荐系统、客户细分、倾向预测、生命周期价值建模、流失预测等企业模型。

基于大规模视觉-语言模型的专家混合模型

MoE-LLaVA是一种基于大规模视觉-语言模型的专家混合模型，展现出在多模态学习中出色的性能。其具有较少的参数，但表现出较高的性能，并且可以在短时间内完成训练。该模型支持Gradio Web UI和CLI推理，并提供模型库、需求和安装、训练和验证、自定义、可视化、API等功能。

通过整合人工智能来改善开发体验和代码审查过程。

Codara是一款AI代码审查工具，旨在简化代码审查流程，提高生产力，降低成本。它提供AI辅助的代码诊断，能够为错误和警告提供建议和可能的修复方案，使调试更加简便。Codara通过其CLI工具轻松集成到现有的开发环境中，使用先进的AI分析来检测潜在问题、建议优化，并确保代码的清洁和高效。

与AWS云对话，终端内使用人类语言交互

ChatWithCloud是一个CLI工具，通过生成式人工智能，使您能够在终端内使用人类语言与AWS云进行交互。它可以帮助您进行成本分析、安全分析、故障排除以及解决问题，并提供终身许可和托管订阅两种购买方式。

交互式分割和识别模型

Open-Vocabulary SAM是一个基于SAM和CLIP的视觉基础模型，专注于交互式分割和识别任务。它通过SAM2CLIP和CLIP2SAM两个独特的知识传输模块，实现了SAM和CLIP的统一框架。在各种数据集和检测器上的广泛实验表明，Open-Vocabulary SAM在分割和识别任务中的有效性，明显优于简单组合SAM和CLIP的朴素基准。此外，结合图像分类数据训练，该方法可以分割和识别大约22,000个类别。

高效构建3D语言场

LangSplat通过将CLIP语言嵌入映射到一组3D高斯分布来构建3D语言场,实现了对3D场景进行开放词汇量查询。它避免了NeRF中的昂贵渲染过程,大大提高了效率。学习到的语言特征精确捕捉对象边界,提供了精确的3D语言场,没有需要后处理。LangSplat相比LERF提高了199倍的速度。

AI命令行助手，提高CLI智能化

Kel是一个AI命令行助手，通过在CLI中集成AI能力，可以自动化重复任务，提高生产力，使CLI更智能高效。支持OpenAI、Anthropic和Ollama LLMs以及OpenAI助手。用户可以上传文件并与其进行交互对话。同时支持使用OpenAI/Anthropic密钥，其他LLM支持即将推出。

GPT强力驱动的代码实用工具

HackermanAI是一款由GPT驱动的实用工具，可用于代码的单元测试和代码检查，具有更智能的功能。它提供在线编辑器和API，未来还将推出CLI工具。除了提供在线编码练习外，还可以用于添加注释、解释复杂代码、重构、提高可读性和优化等。HackermanAI定位于为开发者提供更智能的代码辅助工具。

即刻访问OpenAI最新API功能

API Mall是一个开放的API平台,可以快速访问OpenAI的各种最新API功能,包括DALL-E、GPT-3、CLIP等。我们为开发者提供简单易用的API调用接口,只需几行代码就可以接入强大的AI能力,大大降低了AI应用开发的门槛。无需复杂的AI知识和庞大的计算资源,企业和开发者都可以用最低的成本构建基于AI的创新应用。

DA-CLIP的通用图像恢复

DA-CLIP是一种降级感知的视觉语言模型，可用作图像恢复的通用框架。它通过训练一个额外的控制器，使固定的CLIP图像编码器能够预测高质量的特征嵌入，并将其整合到图像恢复网络中，从而学习高保真度的图像重建。控制器本身还会输出与输入的真实损坏匹配的降级特征，为不同的降级类型提供自然的分类器。DA-CLIP还使用混合降级数据集进行训练，提高了特定降级和统一图像恢复任务的性能。

大型语言和视觉助手，实现多模态聊天和科学问答

LLaVA是一种新型的端到端训练的大型多模态模型，将视觉编码器和Vicuna相结合，实现了令人印象深刻的聊天能力，模仿多模态GPT-4的精神，并在科学问答方面取得了新的最高准确率。LLaVA的使用场景包括日常用户应用的多模态聊天和科学领域的多模态推理。LLaVA的数据、代码和检查点仅限于研究用途，并遵循CLIP、LLaMA、Vicuna和GPT-4的许可协议。

绘画和绘制艺术家的应用程序

CLIP STUDIO PAINT是一款功能丰富的绘画和绘图软件，专为插画、动画、漫画和Webtoon等艺术家而设计。它提供了各种自定义画笔和工具，让用户可以在智能手机、平板电脑和个人电脑上绘制。CLIP STUDIO PAINT具有强大的绘图和编辑功能，可帮助艺术家实现他们的创意。它还支持多种导出格式，并提供了丰富的教程和社区支持。

本地图像搜索

ISearch是一款在Android上运行CLIP模型的应用，可以在无需网络连接的情况下进行图像搜索。只需要花费几分钟来构建索引，你就可以通过输入场景、物体、颜色甚至照片中传达的情感来在几秒钟内轻松找到特定的照片。

智能代码粘贴，快速分享

MyPaste是一个现代化的粘贴服务，让您快速分享代码，并具有智能的编程语言识别功能。通过MyPaste，您可以将代码粘贴到云端，并与他人进行共享。MyPaste还提供了CLI工具，方便您在终端中上传粘贴内容。您可以根据需要配置粘贴的过期策略和编程语言。MyPaste是一个方便实用的工具，适用于各种编程场景。

Linux命令自然语言翻译工具

heyCLI是一个将自然语言翻译为Linux命令的工具。它能帮助用户将普通语言转换为Linux命令，从而在终端中使用简单的英语完成复杂的操作。heyCLI可以帮助用户记住常用的Linux命令，提高工作效率。

800K+个3D物体的大规模数据集

Objaverse是一个包含800K+个标注3D物体的大规模数据集，每个物体都有名称、描述、标签和其他元数据。它包含了各种类型的物体，包括静态物体、动画物体、有部位注释的角色、可分解的模型、室内外环境等，并具有多样的视觉风格。Objaverse可用于生成3D模型、作为2D实例分割的增强、开放词汇体现的AI以及研究CLIP的鲁棒性。

构建自己的 AI 命令行工具

GPT CLI 是一个命令行工具，允许您在几秒钟内创建自己的 ChatGPT CLI 工具。使用 GPT CLI，您可以自定义 CLI 工具以满足您的需求，使您的工作更加高效。它可以将自然语言处理（NLP）转换为结构化数据，为您提供更强大的功能。GPT CLI 包含了多个插件，例如 AI Commit、AI Command、AI Translate 等，使您的开发过程更加便捷。

通过图像生成文本提示

img2prompt是一个通过图像生成文本提示的模型。它使用OpenAI CLIP模型和BLIP标题，将给定的图像与不同的艺术家、媒介和风格进行比较，并提供类似的文本提示，用于创建类似的图像。您可以将这些文本提示复制到stable diffusion中使用。

使用OpenAI Assistants API和Next.js快速搭建聊天机器人应用

OpenAI Assistants API quickstart with Next.js 是一个使用OpenAI的Assistants API和Next.js框架快速搭建聊天机器人的模板项目。它支持流式传输、代码解释器和文件搜索等高级功能，旨在展示如何在Next.js应用中集成OpenAI的强大能力。

开源的多功能AI平台，专注于提升用户体验和生产力。

Omniplex是一个开源的AI平台，它致力于通过建立核心功能和基本特性来提升用户体验。该平台正在积极开发中，专注于实现最佳实践、优化代码库，并引入新特性。Omniplex使用TypeScript作为编程语言，React作为前端框架，Next.js作为Web框架，并结合了Firebase、Vercel AI SDK等技术栈。

AuthGPTs是开发者的终极解决方案，用于保护API、管理用户，并对认证过程进行完全控制。

AuthGPTs是开发者的终极解决方案，用于保护API、管理用户，并对认证过程进行完全控制。它采用Next.js构建，提供定制化、OAuth 2.0授权、OTP邮件集成、端点安全性以及与Cloudflare和Next.js API的无缝集成。

构建和交付AI的Next.js模板和教程

SHIPGPT是一个前后端完整的AI模板，提供了各种AI用例的脚手架，使您能够构建自己的AI应用程序或将AI集成到现有技术中，无需雇佣全栈开发人员和AI开发包装器。

基于AI的虚拟人物创作平台

DreamWorld AI 是一家人工智能和计算机视觉研究开发公司,专注于构建下一代AI驱动的数字人类。 该公司的专有AI模型和算法允许用户仅使用一个单镜头设备就能创建、动画和实时表演各种风格的全身数字人物,无需套装、标记或特殊设备。该平台为创作者提供了一个全栈的AI驱动虚拟制作工作站,使创作者能够轻松制作高质量的虚拟人物内容。