产品库

一款多功能大型视觉语言模型

InternLM-XComposer-2.5是一款支持长上下文输入和输出的多功能大型视觉语言模型。它在各种文本图像理解和创作应用中表现出色，实现了与GPT-4V相当的水平，但仅使用了7B的LLM后端。该模型通过24K交错图像文本上下文进行训练，能够无缝扩展到96K长上下文，通过RoPE外推。这种长上下文能力使其在需要广泛输入和输出上下文的任务中表现突出。此外，它还支持超高分辨率理解、细粒度视频理解、多轮多图像对话、网页制作以及撰写高质量图文文章等功能。

70亿参数的高性能对话模型

InternLM2.5-7B-Chat是一个开源的7亿参数的中文对话模型，专为实用场景设计，具有卓越的推理能力，在数学推理方面超越了Llama3和Gemma2-9B等模型。支持从上百个网页搜集信息进行分析推理，具有强大的工具调用能力，支持1M超长上下文窗口，适合进行长文本处理和复杂任务的智能体构建。

领先的AI评测基准，衡量和比较AI模型性能。

SuperCLUE是一个用于评估和比较大型语言模型性能的在线平台。它提供了多种任务和排行榜，旨在为AI研究者和开发者提供一个标准化的测试环境。SuperCLUE支持各种AI应用场景，包括数学推理、代码生成、超长文本处理等，能够帮助用户准确评估模型在不同任务上的表现和能力。

Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。

Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。

AI语音转文本，支持100+语言

Vocaldo是一款利用尖端AI技术将语音转换为文本的服务，支持超过100种语言。它以高准确率、快速处理和易于使用的特点，帮助用户节省时间，提高工作效率。产品背景是满足全球内容创作者和企业对多语言转录的需求，主要优点包括高准确率、快速结果、多语言支持、自动摘要生成、多种文件格式下载以及安全性和保密性。

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。

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。

将无限知识带入你的Telegram对话

Llama 3 AI是一款集成在Telegram上的智能插件，它通过互联网访问，为用户提供即时、丰富的信息和知识，增强对话的深度和广度。它背后拥有强大的AI技术支撑，能够理解用户需求，提供精准的回答和建议。

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。

AI字幕生成器，支持视频文件即时字幕生成。

这是一款基于AI技术的在线字幕生成器，允许用户通过浏览器上传视频文件，并在本地设备上完成字幕生成和视频渲染，无需将数据发送至服务器，保证了用户数据的隐私和安全。

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。

AI辅助视频创作，让故事生动起来。

寻光视频创作平台是一个利用人工智能技术，为用户提供全新视频创作模式的在线服务。它通过剧本到分镜的辅助，角色库管理，视觉素材创作，以及视频内容编辑等功能，帮助用户快速实现视频制作。该平台的主要优点包括高效的创作流程、个性化的角色定制、以及先进的AI技术，使得视频制作更加便捷和创新。

智能浏览器助手，快速获取信息和灵感。

Kimi 浏览器助手是一款集成在浏览器中的智能插件，它通过人工智能技术帮助用户快速获取信息、提炼文章摘要、激发写作灵感。它适用于需要高效处理信息和创作内容的用户，具有强大的语言处理能力，能够提供即时的查询和摘要服务。

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。

探索大型语言和视觉语言模型的漏洞与防护

JailbreakZoo是一个专注于破解大型模型（包括大型语言模型和视觉语言模型）的资源库。该项目旨在探索这些高级AI模型的漏洞、利用方法和防御机制，目的是促进对大规模AI系统安全方面的更深入理解和认识。

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。

自主AI营销助手，全年无休创作博客和帖子。

Skott是一个AI驱动的社交媒体营销、博客和设计一体化工具，能够自主地生产数千篇博客和帖子，无需人工干预，全年365天持续运作。它基于Lyzr Agent Framework构建，提供企业级自动化服务，用户可以完全控制提示、LLMs、分析以及最重要的数据。Skott具备自我反思能力，能够持续改进内容，拥有长期记忆功能，保留用户偏好和指导方针。此外，Skott还提供24小时企业级支持，确保数据隐私，可在本地云上运行。

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。

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。

工作轻松，就用奇点通！

奇点通是一个致力于提高工作效率的在线工具平台，通过集成多种智能功能，帮助用户在品牌识别、内容创作、社交媒体推广等场景下提升效率。产品背景是当前市场对于自动化和智能化工具的需求日益增长，奇点通通过其技术优势，为用户提供了一种高效、便捷的工作方式。

全球顶级AI品牌汇集，按需付费，无月费。

302.AI是一个汇集了全球顶级AI品牌的在线平台，提供无月费，按需付费的服务模式。它允许用户根据需求选择不同的AI服务，无需支付固定的月费，从而降低使用门槛，提高灵活性。平台可能涵盖了多种AI技术，如图像识别、自然语言处理等，满足不同用户的需求。

AI旅行助手，个性化行程规划。

Wanderboat是一个利用人工智能技术，为用户提供个性化旅行计划的网站。用户可以通过聊天的方式，快速生成符合自己兴趣和偏好的旅行行程。它通过分析用户的需求，推荐最佳的景点、餐厅和活动，让旅行规划变得简单而无压力。

多语种语音理解模型，提供高精度语音识别与情感识别。

SenseVoice是一个包含自动语音识别(ASR)、语音语言识别(LID)、语音情感识别(SER)和音频事件检测(AED)等多语音理解能力的语音基础模型。它专注于高精度多语种语音识别、语音情感识别和音频事件检测，支持超过50种语言，识别性能超越Whisper模型。模型采用非自回归端到端框架，推理延迟极低，是实时语音处理的理想选择。