产品库

人类动作模仿与自主技能学习系统

HumanPlus是一个研究项目，旨在通过模仿人类动作来训练人形机器人，从而实现自主技能学习。该项目通过模拟强化学习训练低级策略，并将这些策略应用到真实世界中，实现实时跟踪人类身体和手部动作。通过影子模仿技术，操作员可以远程操作机器人收集全身数据，用于学习不同任务。此外，通过行为克隆技术，机器人能够模仿人类技能，完成各种任务。

用于双手操作的扩散基础模型

RDT-1B是一个参数量达到1B（目前最大）的模仿学习扩散变换器，预训练在超过1M（目前最大）的多机器人情节上。给定语言指令和多达三个视图的RGB图像，RDT可以预测接下来的64个机器人动作。RDT与几乎所有现代移动操作器兼容，包括单臂到双臂、关节到末端执行器、位置到速度，甚至包括轮式运动。该模型在6K+（最大的之一）自收集的双手情节上进行了微调，并部署在ALOHA双臂机器人上。它在灵巧性、零样本泛化能力和少样本学习方面达到了最先进的性能。

利用人工智能整合多模态患者数据，简化临床医生的工作流程。

CareIntellect for Oncology 是 GE HealthCare 推出的一款基于云的应用程序，它使用生成式人工智能技术汇总来自不同系统的多模态患者数据，并提供单一视图。该应用程序能够快速呈现患者的病史、疾病进展，并帮助医生确定下一步的治疗方向和主动干预措施。它通过整合结构化和非结构化数据（如医学影像、病历、笔记和设备读数），简化了复杂医疗历史的总结，支持治疗反应评估，帮助评估临床试验的资格，并跟踪治疗协议的遵守情况。该产品旨在通过减少医疗提供者在产品逐个集成上的高昂成本和耗时，提高新应用程序的采用速度。

使用AI技术加速招聘流程的智能跟踪软件

Applicant AI是一款利用人工智能技术来加速招聘流程的申请者跟踪系统（ATS）。它通过AI筛选成千上万的申请者，帮助雇主在几秒钟内找到合适的候选人。Applicant AI不仅提高了招聘效率，还通过预筛选功能确保只有最优秀的候选人进入公司的ATS系统。此外，它完全符合欧盟关于人工智能的法规，确保了在使用过程中的合规性。Applicant AI的价格定位清晰，提供免费版本以及不同级别的付费版本，以满足不同规模企业的需求。

自动化视频内容翻译与配音

Microsoft Azure Video Translation API 是一项基于云的视频翻译服务，它利用人工智能技术自动翻译视频内容并生成配音。这项服务支持多种语言，可以帮助企业轻松本地化视频内容，以满足全球不同受众的需求。它通过提供自动化的解决方案来克服语言障碍，提高内容的全球可访问性。视频翻译API支持批量处理，允许用户上传视频文件，自动提取对话音频，进行翻译，并生成同步的字幕和配音。此外，它还提供了内容编辑功能，允许用户在最终确定配音视频之前审查和编辑翻译内容，确保准确度和文化适当性。

提升工作效率300%的人工智能员工

AiAlly AI Employee是一款革命性的人工智能员工平台，它通过模拟真实员工的思考、学习和进化能力，帮助企业实现真正的协作和生产力的大幅提升。该产品通过自主解决问题、无缝的AI团队合作、可定制的AI个性以及企业级安全措施，为企业提供了一种全新的工作方式。AiAlly AI Employee能够独立完成复杂任务，提高决策能力，并且能够与人类团队无缝协作，同时保护企业和用户数据的安全。

未来感机器人，轻松上手，玩得尽兴。

BabyAlpha Chat 是一款具有未来感的机器人模型，全身搭载12个高性能执行器，配合蔚蓝自研五层运动控制算法，使得其运动性能极其出众。最大前进速度可达每小时3.2公里，最大旋转速度可达每秒180度。BabyAlpha Chat 不仅是一个高科技玩具，也是教育和娱乐的完美结合，适合各个年龄段的用户。其价格亲民，起售价为4999元，并有特惠活动直降2000元，截止日期为11月16日。

多模态语言模型，融合文本和语音

Spirit LM是一个基础多模态语言模型，能够自由混合文本和语音。该模型基于一个7B预训练的文本语言模型，通过持续在文本和语音单元上训练来扩展到语音模式。语音和文本序列被串联为单个令牌流，并使用一个小的自动策划的语音-文本平行语料库，采用词级交错方法进行训练。Spirit LM有两个版本：基础版使用语音音素单元（HuBERT），而表达版除了音素单元外，还使用音高和风格单元来模拟表达性。对于两个版本，文本都使用子词BPE令牌进行编码。该模型不仅展现了文本模型的语义能力，还展现了语音模型的表达能力。此外，我们展示了Spirit LM能够在少量样本的情况下跨模态学习新任务（例如ASR、TTS、语音分类）。

视频生成评估基准测试

Movie Gen Bench是由Facebook Research发布的视频生成评估基准测试，旨在为未来在视频生成领域的研究提供公平且易于比较的标准。该基准测试包括Movie Gen Video Bench和Movie Gen Audio Bench两个部分，分别针对视频内容生成和音频生成进行评估。Movie Gen Bench的发布，对于推动视频生成技术的发展和评估具有重要意义，它能够帮助研究人员和开发者更好地理解和改进视频生成模型的性能。

ChatGPT的早期版本，专为Plus、团队、企业和教育用户设计。

ChatGPT是由OpenAI开发的人工智能聊天机器人，它通过使用最新的模型改进，包括访问OpenAI o1-preview，即最新和最智能的模型，为用户提供即时答案、文件和照片的聊天、多文档的总结和分析、专业建议以及创意灵感等功能。这个早期版本目前只对ChatGPT Plus、团队、企业和教育用户开放，预计今年晚些时候将向所有用户推出完整体验。

利用人工智能解决各种数学问题的先进工具

AI数学求解器是一款利用人工智能解决各种数学问题的先进工具。它由Math GPT模型（如GPT-4o）驱动，提供全面的数学问题解决方案。该产品通过在线平台提供服务，用户可以上传文本或图片形式的数学问题，快速获得准确的分步解决方案。它特别适合需要帮助解决复杂数学问题的学生，帮助他们提高解题能力和理解力。

统一产品开发流程，从策略到交付。

Airtable ProductCentral是一个产品管理平台，它通过整合端到端的工作流程来帮助团队构建更好的产品。它利用人工智能和实时数据可视化，帮助团队对齐战略优先事项，发现深度客户洞察，并全面掌控执行情况。这个平台支持无代码自定义商业应用的构建，并通过集成各种工具和数据源，如Slack、Google Drive、Salesforce等，来提高团队的工作效率和协同能力。

视频眼神校正API，让视频中的眼神看起来始终注视着摄像头。

Sieve Eye Contact Correction API 是一个为开发者设计的快速且高质量的视频眼神校正API。该技术通过重定向眼神，确保视频中的人物即使没有直接看向摄像头，也能模拟出与摄像头进行眼神交流的效果。它支持多种自定义选项来微调眼神重定向，保留了原始的眨眼和头部动作，并通过随机的“看向别处”功能来避免眼神呆板。此外，还提供了分屏视图和可视化选项，以便于调试和分析。该API主要面向视频制作者、在线教育提供者和任何需要提升视频交流质量的用户。定价为每分钟视频0.10美元。

行业领先的面部操作平台

FaceFusion Labs 是一个专注于面部操作的领先平台，它利用先进的技术来实现面部特征的融合和操作。该平台主要优点包括高精度的面部识别和融合能力，以及对开发者友好的API接口。FaceFusion Labs 背景信息显示，它在2024年10月15日进行了初始提交，由Henry Ruhs主导开发。产品定位为开源项目，鼓励社区贡献和协作。

共语手势视频重现技术

TANGO是一个基于层次化音频-运动嵌入和扩散插值的共语手势视频重现技术。它利用先进的人工智能算法，将语音信号转换成相应的手势动作，实现视频中人物手势的自然重现。这项技术在视频制作、虚拟现实、增强现实等领域具有广泛的应用前景，能够提升视频内容的互动性和真实感。TANGO由东京大学和CyberAgent AI Lab联合开发，代表了当前人工智能在手势识别和动作生成领域的前沿水平。

将你的想法快速转化为代码

Code2.AI是一个创新的在线平台，它通过人工智能技术帮助开发者将想法快速转化为代码。该平台通过压缩代码库，使AI能够理解并与开发者一同编程。Code2.AI的主要优点包括加速开发进程、无限制的编码能力以及与现有项目的无缝集成。它支持任何编程语言，无论是Web还是移动开发，都能提供完整的函数代码，而不仅仅是代码片段。此外，Code2.AI还提供了详细的使用指南，帮助用户更有效地利用AI进行编程。

一个支持B站直播的虚拟数字人项目

VirtualWife是一个虚拟数字人项目，旨在打造一个拥有自己“灵魂”的虚拟伴侣。该项目支持B站直播，并且兼容openai、ollama等大语言模型。VirtualWife不仅能够提供情感陪伴，还能作为恋爱导师和心理咨询师，满足人类的情感需求。项目处于孵化阶段，作者投入了大量的业余时间进行开发，希望用户能够通过点star来支持项目的发展。

无需编码即可创建智能仪表板

Dezbor是一个无需编码的仪表板创建工具，它通过人工智能技术帮助用户轻松创建和管理数据仪表板。它提供了一个拖放式的界面，使得任何人都能够快速创建出专业的仪表板。Dezbor支持多种数据源的连接，如MySQL、PostgreSQL、Google Sheets等，并且提供了丰富的定制化选项，让用户能够根据自己的需求定制逻辑和操作。此外，Dezbor还提供了AI助手，帮助用户查询数据、识别问题并提供优化建议。

利用AI轻松创建交互式图表、图形、计算器和数据可视化

CalcGen AI是一个基于人工智能的平台，它允许用户通过简单的提示生成定制的交互式数据可视化。该技术的主要优点包括易用性、灵活性和高效的数据处理能力。它支持多种输入选项，如变量、限制、类别、排序选项、过滤器等，并允许用户分享或嵌入他们定制的可视化图表到自己的网站。CalcGen AI的背景信息显示，它目前处于测试阶段，并且可能在某些iOS设备上遇到内存问题，建议用户在Mac、PC或Android设备上使用。

与您的PDF文件进行对话

PDFtoChat是一个允许用户与PDF文件进行对话的平台。它通过AI技术分析PDF内容，让用户能够以提问的方式获取信息，极大地提高了处理文档的效率。该产品背景信息显示，它是由Together AI和Mixtral提供支持的，并且是开源的，源代码可在GitHub上找到。PDFtoChat的主要优点包括免费使用、易于上手、能够处理复杂的文档内容，并且支持开源社区的贡献。

文本到图像生成模型，支持高分辨率图像生成

由清华大学团队开发的文本到图像生成模型，开源，在图像生成领域有广泛应用前景，有高分辨率输出等优点。

智能论文写作辅助工具，助力学术创作。

AI论文助手是一个专注于学术写作的在线平台，它利用人工智能技术帮助用户快速生成论文大纲和初稿，支持多种论文类型和学科领域。该产品通过简化论文写作流程，提高写作效率，降低学术写作的难度，特别适合需要撰写毕业论文、期刊论文等学术文档的用户。产品背景基于当前学术界对高效写作工具的需求，定位于教育和学术研究领域，价格方面提供了免费试用和付费服务。

使用AI生成任何3D模型

3D Mesh Generation是Anything World推出的一款在线3D模型生成工具，它利用人工智能技术，允许用户通过简单的文字描述或上传图片来快速生成3D模型。这项技术的重要性在于它极大地简化了3D模型的创建过程，使得没有专业3D建模技能的用户也能轻松创建出高质量的3D内容。产品背景信息显示，Anything World致力于通过其平台提供创新的3D内容创建解决方案，而3D Mesh Generation是其产品线中的重要组成部分。关于价格，用户可以在注册后查看具体的定价方案。

AI进阶学习路径的个人学习笔记库

ml-retreat 是一个关于人工智能进阶学习的个人学习笔记库。它包含了对机器学习基础的深入理解，以及对于更细微主题的必读/必看资源。这个项目的目标是学习Ilya Sutskever推荐的30篇必读研究论文、Distilled AI的博客、多个AI/ML的视频播放列表，以及深入理解/实现Transformers、LLMs和相关主题。

基于深度学习的高质量文本到语音合成模型

F5-TTS是由SWivid团队开发的一个文本到语音合成（TTS）模型，它利用深度学习技术将文本转换为自然流畅、忠实于原文的语音输出。该模型在生成语音时，不仅追求高自然度，还注重语音的清晰度和准确性，适用于需要高质量语音合成的各种应用场景，如语音助手、有声读物制作、自动新闻播报等。F5-TTS模型在Hugging Face平台上发布，用户可以方便地下载和部署，支持多种语言和声音类型，具有很高的灵活性和可扩展性。

个性化AI面试助手，助你在面试中脱颖而出。

JobJump - AI Interview Copilot是一款专为求职者设计的Chrome插件，它通过人工智能技术提供个性化的面试辅导。这款插件能够识别面试官的问题，并即时生成定制化的答案提示，帮助用户更自信地回答问题。它支持50多种面试语言，并针对200多个行业和角色进行了定制化。JobJump插件易于安装和使用，用户可以通过Google账号注册并免费开始使用。它适用于多种在线面试平台，能够帮助用户在面试中更好地展示自己，提高获得理想工作的机会。

AI驱动的员工成长平台

Emploio是一个利用人工智能技术来支持个人成长、增强职业发展，并培养一个充满活力的工作场所文化的平台。它通过提供AI驱动的洞察力来最大化团队潜力，帮助企业跟踪员工成长和团队表现，分享跨部门的洞察力，并构建完美的团队。此外，Emploio还提供一对一的协助，确保每个团队成员都能获得成功所需的指导。它还可以与日常使用的工具集成，优化生产力，并通过统一的仪表板与团队保持联系。

AI在医学领域的初步研究

o1 in Medicine是一个专注于医学领域的人工智能模型，旨在通过先进的语言模型技术，提升医学数据的处理能力和诊断准确性。该模型由UC Santa Cruz、University of Edinburgh和National Institutes of Health的研究人员共同开发，通过在多个医学数据集上的测试，展示了其在医学领域的应用潜力。o1模型的主要优点包括高准确率、多语言支持以及对复杂医学问题的深入理解能力。该模型的开发背景是基于当前医疗领域对于高效、准确的数据处理和分析的需求，尤其是在诊断和治疗建议方面。目前，该模型的研究和应用还处于初步阶段，但其在医学教育和临床实践中的应用前景广阔。

自主编码代理，直接在你的IDE中创建和编辑文件，执行命令。

Cline是一个集成在IDE中的自主编码代理，它利用人工智能技术帮助开发者进行代码编写、编辑、文件创建和命令执行。Cline通过结合强大的API和模型，如OpenRouter、Anthropic、OpenAI等，提供了一个安全且易于操作的图形用户界面，让用户在每一步操作中都能控制和批准文件更改和终端命令。这不仅提高了开发效率，还确保了操作的安全性。Cline的主要优点包括支持多种API和模型、直接在终端执行命令、创建和编辑文件、分析图像和浏览器截图，以及通过上下文信息如URL、问题面板、文件和文件夹内容来增强其功能。

全球首个无需呼吸测醉器的被动醉酒驾驶检测系统

DrunkSense是VinAI公司推出的一款革命性的醉酒驾驶检测技术，它利用多传感器方法，结合面部表情跟踪、车辆控制监控和空气酒精传感器，能够在无需驾驶员主动配合的情况下，以85%的准确率检测出驾驶员是否处于醉酒状态。这项技术不仅提高了检测的灵敏度，还减少了因醉酒驾驶引发的交通事故，为现代交通安全带来了突破性的改进。DrunkSense技术的出现，为汽车制造商提供了符合严格标准的安全解决方案，有助于提升所有交通参与者的安全感。