产品库

通过交互式3D生成技术，实现高质量且可控的3D模型创建。

Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。

从单一视频创建实时互动游戏环境

Video2Game是一项技术，可以将单一视频转换成具有实时、互动、真实感和浏览器兼容性的高质量虚拟环境。它通过构建大规模的NeRF模型来实现高质量的表面几何形状，然后将该模型转换为带有对应刚体动力学的网格表示，以支持交互。使用UV映射的神经纹理，既能表达丰富，又与游戏引擎兼容。最终得到的是一个虚拟环境，虚拟角色可以与之互动，响应用户控制，并能从新的相机视角实时提供高分辨率渲染。

用于精细文本控制图像生成的空间对齐文本注入

FineControlNet是一个基于Pytorch的官方实现,用于生成可通过空间对齐的文本控制输入(如2D人体姿势)和实例特定的文本描述来控制图像实例的形状和纹理的图像。它可以使用从简单的线条画作为空间输入,到复杂的人体姿势。FineControlNet确保了实例和环境之间自然的交互和视觉协调,同时获得了Stable Diffusion的质量和泛化能力,但具有更多的控制能力。

基于实体表示的任意物体运动控制

DragAnything是一款利用实体表示实现任意物体运动控制的产品。与拖动像素的传统方式不同，DragAnything可以实现真正的实体级运动控制。它可以实现用户轨迹交互，并具有SAM功能。该产品可以精确控制物体的运动，生成高质量视频，用户只需在交互过程中绘制一条轨迹。DragAnything可实现对前景、背景和相机等不同元素的多样化运动控制。定位于设计领域，适用于需要对视频中物体进行精细控制的场景。产品定价未公开。

扩展ChatGPT，语音控制与朗读

Voice Control for ChatGPT x Mia AI是一个扩展，为ChatGPT提供语音控制和朗读功能。通过录音按钮，您可以录制并发送语音查询给ChatGPT，无需打字。AI的回答会朗读出来，确保流畅的听觉交互。此外，该插件还可以将ChatGPT变成您的个人语音助手，具备Mia AI的功能。

大规模视频生成扩散模型

Sora是一个基于大规模训练的文本控制视频生成扩散模型。它能够生成长达1分钟的高清视频,涵盖广泛的视觉数据类型和分辨率。Sora通过在视频和图像的压缩潜在空间中训练,将其分解为时空位置补丁,实现了可扩展的视频生成。Sora还展现出一些模拟物理世界和数字世界的能力,如三维一致性和交互,揭示了继续扩大视频生成模型规模来发展高能力模拟器的前景。

雷鸟自主研发的AI语音助手

RayNeo AI是雷鸟自主研发的人工智能语音助手,集成了自然语言处理、语音识别、语音合成等核心技术,可实现自然语言交互、语音控制等功能。该产品已在雷鸟XR系列产品中进行内测,支持行程规划、天气查询、百科知识问答等服务,提升了产品的智能化水平。下一步,RayNeo AI计划推出视觉识别等多模态交互能力,实现更丰富的人机交互体验。

超快速原型设计

gptengineer.app是一个快速原型设计工具，使用自然语言构建和迭代交互式网络应用。用户拥有代码所有权，并可随时让人类开发人员接手。代码已经通过git进行版本控制。

您的个人AI助手,随着每次交谈变得更加智能

THERAi是一个随着每次交互变得更加个性化和智能的个人AI助手。它采用最先进的AI技术不断学习,以提供更加相关和有见地的回复。您对自己的数据拥有完全控制权,设置透明以管理用于学习和个性化的信息。

定制聊天体验，多样化GPTs工具

GPTs Store是一个平台，用户可以在这里探索多样化的GPTs工具，定制自己的聊天体验。用户可以创建自己的GPT，无需编程知识，通过对话界面给出指令和额外的知识，并选择其功能，如网络搜索、图像生成或数据分析。在GPTs Store上，用户可以共享他们的GPT创作，平台还设有经过验证的创作者作品，创作者可以根据GPT的使用情况获得收入。OpenAI在开发GPTs时非常重视隐私和安全，与GPTs的交互不与创作者共享，并且用户可以控制与第三方API共享数据的权限。

在线品牌指南平台

Corebook° 是一个在线品牌指南平台，为世界上最杰出的品牌及其创作者提供创新的品牌管理解决方案。它提供易于使用的界面和简洁的操作，帮助品牌团队轻松建立和维护品牌指南，实现品牌价值的共享和保护。Corebook° 还提供协作原型设计功能，支持多媒体内容的交互式品牌故事讲述，以及自定义 URL 和权限控制等特性。

学习交互式真实世界模拟器

UniSim是一个学习交互式真实世界模拟器的产品。它通过生成建模来模拟人类、机器人和其他类型的交互式代理所进行的行为，并产生逼真的体验。UniSim可以用于游戏和电影中可控内容的创建，以及在模拟中训练的代理直接部署到真实世界中。UniSim利用多样的数据集进行训练，模拟高级指令和低级控制的视觉结果。它可以用于训练高级视觉语言规划器和低级强化学习策略，并在真实世界中展现显著的迁移效果。UniSim还可以用于视频字幕和检测模型等其他类型的智能任务。通过UniSim，用户可以进行长期规划、强化学习和决策优化。

AI助手，提升生产力

Jarvis AI是一款强大的AI助手插件，可以与ChatGPT、GPT 4、Claude、Llama等多个AI模型进行无缝交互。它可以翻译、改善文本质量，处理电子邮件，并直接在文本输入中回答问题。它还具有智能搜索、语音控制、视频摘要、AI绘图等功能。无论你在哪个网站，Jarvis AI都能提供全方位的智能助理服务，让你的在线体验更加高效。

一个用于创建模块化数据可视化应用程序的工具包

Vizro是一个用于快速创建模块化数据可视化dashboard的工具包。它允许用户通过简单的配置就可以构建复杂的dashboard,无需高级编程和设计经验。用户可以定义组件、控制器、页面、布局、交互等,从而用极少的代码就能创建Plotly和Dash驱动的dashboard。Vizro使得低代码和高代码开发完美结合,既保证了快速迭代,又具备高度定制化的能力。

你的AI助手，帮你完成日常任务

Browser Buddy是一个强大的Google Chrome插件，允许你在任何标签页中与ChatGPT进行交互。它可以帮助你与任何网站进行对话，与PDF文件进行聊天，并提供一系列工具帮助你提高工作效率。你可以自定义设置以控制聊天结果，所有聊天记录都存储在本地，插件支持跨标签页持久化聊天，还可以选择网页上的文本进行快速交互。

将 GPT-4 Code Interpreter 铺陈在你的终端

Open Interpreter 是一款开源的本地运行实现,能让语言模型在你的电脑上运行代码(Python、JavaScript、Shell等)。你可以通过终端中的 ChatGPT 风格界面与 Open Interpreter 进行交互,只需在安装后运行 $ interpreter 即可。这为你提供了利用计算机通用功能的自然语言接口:创建和编辑图片、视频、PDF等;控制 Chrome 浏览器进行调研;绘制、清理和分析大型数据集等。值得注意的是,在代码执行前,你会被要求批准代码。

AI Event Idea Generator是一个在线虚拟活动平台

Remo AI Event Idea Generator是一个在线虚拟活动平台,具有强大的功能,可以帮助组织者打造沉浸式的虚拟活动体验。它提供了丰富的交互式环境,如展示厅、会议室、讨论区等,支持直播、分组讨论、网络研讨会等多种形式,非常适合举办产品发布会、年会、培训、研讨会等各类活动。Remo支持无限的参与人数,具有高质量的音视频功能。组织者可以进行全程活动控制,并获得实时数据分析。Remo简单易用,无需下载,通过浏览器就可加入活动,给与参与者极致的虚拟活动体验。

自定义模板提升ChatGPT的效果

LLM Format是一个在线工具，用于创建自定义模板，以提升ChatGPT的提示效果。它提供了一个简单易用的界面，让用户可以创建自己的模板，并将其应用于ChatGPT的输入。通过使用LLM Format，用户可以更好地控制ChatGPT生成的回答内容，从而提高交互的质量和效果。LLM Format还提供示例模板，方便用户快速上手。

天猫精灵,阿里巴巴人工智能实验室研发的智能语音交互系统

天猫精灵是阿里巴巴人工智能实验室自主研发的智能语音交互系统,具有语音识别、自然语言理解、对话管理、语音合成等核心技术能力,可以实现多轮语音交互、设备控制、信息查询、智能服务等功能。天猫精灵可广泛应用于智能家居、车载系统等领域,为用户提供便捷、智能的语音交互服务。

小米人工智能平台,提供语音交互技术

小米小爱开放平台基于小米的硬件生态和海量数据,提供领先的语音交互技术,包括语音识别、自然语言处理等,供开发者使用。开发者可以快速创建语音技能,将内容、服务、创意变为语音交互的体验。平台还提供智能家居语音服务,可以语音控制连接的智能设备。

泰勒AI帮助您的工程师训练模型。

Taylor AI是一个平台，可以使您的工程团队在不需要设置GPU和解密复杂库的情况下训练语言模型。它允许您按照自己的条件训练和部署开源语言模型，让您拥有完全的控制权和数据隐私。使用Taylor AI，您可以摆脱按标记付费的定价方式，自由地部署和与您的AI模型交互。它简化了训练和优化语言模型的过程，让您的团队可以专注于构建和迭代。Taylor AI始终跟上最新的开源模型，确保您可以使用最先进的语言模型进行训练。根据您独特的合规和安全标准安全地部署您的模型。

虚拟电子硬件、机器人编程

3D One AI基于物理刚体运动与三维数据处理技术，融合开源硬件、人工智能、编程等多学科实践，支持通过界面交互或编程控制物体的运动。3D One AI平台还提供虚拟开源硬件技术与人工智能技术，支持进行动态的人工智能行为仿真，以及输出三维动画。该软件支持小学、初中、高中阶段的人工智能教育，匹配国家教育标准与课标要求，助力普及化开课和科技人才培养。

赋予AI语音能力

AI Voice是一款能够赋予AI语音能力的插件，可以实时获取多个声音的音频回应，个性化控制声音、语速和音调，通过语音与GPT进行交互，轻量化界面，与多个文本生成AI模型兼容。

语音交互人工智能助手

魔撰写作是一款基于语音交互和软硬结合的人工智能助手，可以帮助用户完成日常生活中的各种任务，包括语音助手、智能家居控制、语音翻译、语音记事本等功能。小问智能的优势在于准确率高、响应速度快、支持多语言、可定制化等特点。定价方面，提供免费版和付费版两种选择，付费版功能更加丰富，价格合理。小问智能的定位是成为用户日常生活中的智能助手。

人性化对话的创造性AI助手

Zenen AI是一款创造性AI助手，您可以像与朋友聊天一样与它进行有意义的对话。它通过语音控制实现人类般的交互，可以帮助您撰写故事、头脑风暴、制定营销计划，玩游戏或用笑话逗乐您。

现代数据平台，协作笔记本和美观数据应用

Hex是一个现代的数据科学和分析平台，提供协作笔记本、美观的数据应用和企业级安全。它支持SQL、Python和无代码的混合使用，内置AI助手，可生成、编辑、调试和解释代码。Hex还提供丰富的交互式可视化功能，支持各种图表、可格式化表格、透视表和地图。用户可以使用Hex构建仪表盘、报告和交互式工具，并轻松添加输入参数，例如下拉菜单、滑块和按钮。Hex还支持实时协作、版本控制、工作区组织和强大的搜索功能。它可以与主流的数据仓库和数据库进行连接，并提供与dbt、Snowflake、Spark等工具的深度集成。

交互式基于点的生成对抗网络图像操控

Drag Your GAN是一个交互式的点操作生成对抗网络（GAN）的工具。它通过拖动图像上的点来精确控制生成图像的姿态、形状、表情和布局。通过Drag Your GAN，用户可以操纵不同类别的图像，如动物、汽车、人类、风景等。这些操纵是在学习的生成图像流形上进行的，因此即使在挑战性场景下（如幻象遮挡内容和保持对象刚性形变），也能产生逼真的输出。Drag Your GAN优于先前方法在图像操作和点跟踪任务上的表现。

一种通过大型语言模型引导的模拟到现实世界转移策略，用于获取机器人技能。

DrEureka是一个利用大型语言模型（LLMs）自动化和加速模拟到现实（sim-to-real）设计的方法。它通过物理模拟自动构建合适的奖励函数和领域随机化分布，以支持现实世界中的转移。DrEureka在四足机器人运动和灵巧操作任务上展示了与人工设计相媲美的sim-to-real配置，并能够解决如四足机器人在瑜伽球上平衡和行走等新颖任务，无需人工迭代设计。

基于视觉观察自动估计人体及服装的物理参数的框架

PhysAvatar是一个结合逆向渲染和逆向物理的创新框架,可以从多视角视频数据中自动估计人体形状、外表以及服装的物理参数。它采用网格对齐的4D高斯时空网格跟踪技术和基于物理的逆向渲染器来估计内在的材料属性。PhysAvatar集成了物理模拟器,使用基于梯度的优化方法以原理性的方式估计服装的物理参数。这些创新能力使PhysAvatar能够在训练数据之外的运动和照明条件下,渲染出高质量的穿着宽松衣服的新视角头像。

IC-Light是一个用于图像照明操纵的项目。

IC-Light项目旨在通过先进的机器学习技术，对图像的照明条件进行操纵，从而实现一致的光照效果。它提供了两种类型的模型：文本条件重照明模型和背景条件模型，两者均以前景图像作为输入。该技术的重要性在于它能够在不依赖复杂提示的情况下，通过简单的文本描述或背景条件，实现对图像照明的精确控制，这对于图像编辑、增强现实、虚拟现实等领域具有重要意义。