产品库

Kuli Kuli是一个图片翻译APP,支持拍照翻译和选择图片翻译。

Kuli Kuli是一个免费的图片翻译APP。用户可以通过拍照或选择图片进行快速翻译。主页左下角有四种模式可供选择:对比模式、翻译模式、原图模式和文字模式。支持多种语言互译。

一个有趣的图像识别应用，用于判断上传的图片是否为热狗。

该产品利用图像识别技术，通过上传图片来判断是否为热狗。它基于深度学习模型，能够快速准确地识别热狗图像。这种技术展示了图像识别在日常生活中的趣味应用，同时也体现了人工智能技术的普及性和娱乐性。产品背景源于对AI技术的趣味探索，旨在通过简单的图像识别功能，让用户感受到AI的魅力。该产品目前为免费使用，主要面向喜欢尝试新技术和追求趣味体验的用户。

天工开悟,妙笔生花,一起探索广袤的语言边界

天工是昆仑万维基于自研双千亿级大语言模型的人工智能产品，提供六大能力，六大领域数百种功能，包括生成创作、知识问答、规划决策、语言理解、代码能力和逻辑能力。天工具有独特的场景优势，适用于娱乐社交、游戏、广告/营销及海外业务场景等。同时天工拥有技术优势，核心技术攻坚积累，团队经验丰富。详情请访问官方网址。

AI音乐创作平台

SoundVerse是一款音乐和音频创作平台，利用Gen-AI技术赋予音乐家创作高质量音乐的能力。通过其革命性的对话设计范式，用户可以与AI对话创作音乐，并完全控制音乐的构成。SoundVerse使用生成式AI改变音乐创作的方式，现在您可以快速创建高质量的音乐！⚡️在这里输入您的想象力，SoundVerse助手将把它转化为音乐。

个性化旅行行程规划

Tripbot是一个能够根据用户偏好即时创建个性化旅行行程的智能机器人。它可以帮助用户节省时间和精力，提供最佳的时间和碳排放效率路线，并根据用户的需求推荐景点、活动和餐厅。Tripbot是旅行规划的最佳助手，让旅行变得更轻松和愉快。

发现新目的地，计划您完美的旅行

Tripper Guide是一款旅行指南服务，可以帮助您发现新的目的地并制定完美的旅行计划。通过获取内部贴士、专家建议和个性化推荐，使您的旅行变得难忘。开始您的冒险之旅吧！

AI智能生成菜谱

ChefBot是一个使用人工智能生成菜谱的应用程序。只需几秒钟就可以免费获取一道菜谱。ChefBot采用AI助手，为您提供个性化的菜谱建议、烹饪时间和实用技巧。它可以根据您的冰箱里的食材，生成创意菜谱，帮助您节省时间，减少食物浪费，拓宽您的烹饪技巧。无论您是家庭厨师还是寻求厨房灵感和帮助的人，ChefBot都是您的得力助手。

TravelMind使用AI为您生成自定义旅行方案

TravelMind是一个使用AI技术为用户生成自定义旅行方案的在线服务。用户只需输入自己的旅行偏好和需求,TravelMind就可以快速生成最优的行程。该产品最大的优势在于行程的个性化定制和智能规划。用户无需自行设计行程,TravelMind会自动考虑出行时间、景点顺序、住宿安排等多方面因素,从众多可选方案中挑选出最适合用户的行程。除方案生成外,TravelMind还提供行程管理、景点推荐等服务。该产品采用免费试用模式,用户可以先体验生成几个行程,满意后再付费订阅。TravelMind定位为新型智能旅行服务,目标用户为有旅游需求但缺乏规划时间的人群。

找到并深入比较您理想的目的地

FindCity是一个旨在帮助您找到适合您需求的完美城市的平台。它提供了丰富的最新统计数据，包括生活成本、就业市场情况、犯罪率、教育、医疗保健、交通等。您可以根据智能筛选条件，轻松发现您的梦想城市。

人工智能软件开发公司

Arclight人工智能是一家专注于人工智能产品开发的软件开发公司。我们提供高质量的人工智能解决方案，帮助客户实现自动化、智能化的工作流程。我们的产品具有强大的功能和优势，定价合理并与客户需求匹配。无论是在企业、教育还是个人领域，Arclight人工智能都能提供可靠的解决方案。

在线约会描述生成AI助手

Tinder Guru是一个在线约会描述生成AI助手，它可以帮助您创建一个令人印象深刻的个人资料描述，以提高您的约会成功率！使用我们的AI助手，您可以快速轻松地创建吸引人的约会描述，以吸引更多的潜在约会对象。我们的助手可以根据您的性别、年龄、寻找对象的类型和喜好，生成个性化的描述，帮助您在各大约会应用中脱颖而出。不论您需要正式、调侃、抒情、轻松、讽刺还是其他风格的描述，我们都可以根据您的喜好进行生成。通过使用Tinder Guru，您可以大大提高您的约会成功率！

由 Google 训练的 AI 模型，用于对野生动物相机陷阱图像中的物种进行分类。

Google CameraTrapAI 是一个用于野生动物图像分类的 AI 模型集合。它通过运动触发的野生动物相机（相机陷阱）拍摄的图像来识别动物物种。该技术对于野生动物监测和保护工作具有重要意义，能够帮助研究人员和保护工作者更高效地处理大量的图像数据，节省时间并提高工作效率。该模型基于深度学习技术开发，具有高准确性和强大的分类能力。

Tolan: Alien Best Friend 是一款以聊天和情感陪伴为核心功能的社交类APP。

Tolan: Alien Best Friend 是一款专注于情感陪伴和社交互动的聊天类APP。它以虚拟外星人Tolan作为用户的聊天伙伴，通过智能对话技术为用户提供情感支持、趣味互动和日常陪伴。该产品的主要优点在于其高度的互动性和情感共鸣能力，能够满足用户在孤独时刻的情感需求。产品定位为年轻人和需要情感陪伴的用户群体，提供了一种全新的社交体验。目前产品为免费使用，旨在通过趣味性和情感连接吸引用户。

PaliGemma 2 mix 是一款多功能的视觉语言模型，适用于多种任务和领域。

PaliGemma 2 mix 是 Google 推出的升级版视觉语言模型，属于 Gemma 家族。它能够处理多种视觉和语言任务，如图像分割、视频字幕生成、科学问题回答等。该模型提供不同大小的预训练检查点（3B、10B 和 28B 参数），可轻松微调以适应各种视觉语言任务。其主要优点是多功能性、高性能和开发者友好性，支持多种框架（如 Hugging Face Transformers、Keras、PyTorch 等）。该模型适用于需要高效处理视觉和语言任务的开发者和研究人员，能够显著提升开发效率。

OmniParser 是一款通用屏幕解析工具，可将 UI 截图转换为结构化格式，提升基于 LLM 的 UI 代理性能。

OmniParser 是微软开发的一种先进的图像解析技术，旨在将不规则的屏幕截图转换为结构化的元素列表，包括可交互区域的位置和图标的功能描述。它通过深度学习模型，如 YOLOv8 和 Florence-2，实现了对 UI 界面的高效解析。该技术的主要优点在于其高效性、准确性和广泛的适用性。OmniParser 可以显著提高基于大型语言模型（LLM）的 UI 代理的性能，使其能够更好地理解和操作各种用户界面。它在多种应用场景中表现出色，如自动化测试、智能助手开发等。OmniParser 的开源特性和灵活的许可证使其成为开发者和研究人员的有力工具。

基于推理驱动的目标检测技术，通过文本提示实现类似人类精度的检测。

Agentic Object Detection 是一种先进的推理驱动目标检测技术，能够通过文本提示精确识别图像中的目标对象。它无需大量的自定义训练数据，即可实现类似人类精度的检测。该技术利用设计模式对目标的独特属性（如颜色、形状和纹理）进行深度推理，从而在各种场景中实现更智能、更精确的识别。其主要优点包括高精度、无需大量训练数据以及能够处理复杂场景。该技术适用于需要高精度图像识别的行业，如制造业、农业、医疗等领域，能够帮助企业提高生产效率和质量控制水平。产品目前处于试用阶段，用户可以免费试用体验其功能。

Qwen2.5-VL 是一款强大的视觉语言模型，能够理解图像和视频内容并生成相应文本。

Qwen2.5-VL 是 Qwen 团队推出的最新旗舰视觉语言模型，是视觉语言模型领域的重要进步。它不仅能够识别常见物体，还能分析图像中的文字、图表、图标等复杂内容，并支持对长视频的理解和事件定位。该模型在多个基准测试中表现出色，尤其在文档理解和视觉代理任务中具有显著优势，展现了强大的视觉理解和推理能力。其主要优点包括高效的多模态理解、强大的长视频处理能力以及灵活的工具调用能力，适用于多种应用场景。

结合人工智能与塔罗牌智慧，提供个性化指导和每日运势预测

Soul Tarot 是一款创新的塔罗牌应用程序，将人工智能技术与塔罗牌的古老智慧相结合。它通过人工智能语音咨询、每日塔罗牌抽奖和幸运数字预测等功能，为用户提供便捷、深度、个性化的指导。该应用适合对塔罗牌感兴趣、希望通过神秘方式获得生活灵感的用户。它强调个性化和便捷性，用户可以随时随地获取塔罗牌的解读和建议，无需复杂的塔罗牌知识。

一个帮助用户练习绘画技巧、激发创意的在线绘画工具。

WhatToDraw.art 是一个专注于绘画练习的在线平台。它通过简单有趣的挑战，如绘制圆形、使用绘画生成器和转盘工具等，帮助用户提升绘画技巧。该平台的核心技术在于其评分系统，能够实时分析用户作品的准确性，如圆形的半径一致性和平滑度。其主要优点是提供了一个互动性强、易于上手的学习环境，适合所有年龄段的绘画爱好者。该产品免费开放，旨在通过趣味性的方式激发用户的创造力和艺术兴趣。

朱雀大模型检测，精准识别AI生成图像，助力内容真实性鉴别。

朱雀大模型检测是腾讯推出的一款AI检测工具，主要功能是检测图片是否由AI模型生成。它经过大量自然图片和生成图片的训练，涵盖摄影、艺术、绘画等内容，可检测多类主流文生图模型生成图片。该产品具有高精度检测、快速响应等优点，对于维护内容真实性、打击虚假信息传播具有重要意义。目前暂未明确其具体价格，但从功能来看，主要面向需要进行内容审核、鉴别真伪的机构和个人，如媒体、艺术机构等。

一个强大的OCR包，使用最先进的视觉语言模型提取图像中的文本。

ollama-ocr是一个基于ollama的光学字符识别（OCR）模型，能够从图像中提取文本。它利用先进的视觉语言模型，如LLaVA、Llama 3.2 Vision和MiniCPM-V 2.6，提供高精度的文本识别。该模型对于需要从图片中获取文本信息的场景非常有用，如文档扫描、图像内容分析等。它开源免费，易于集成到各种项目中。

Kimi 视觉模型可理解图片内容，包括文字、颜色和物体形状等。

Kimi 视觉模型是 Moonshot AI 开放平台提供的先进图像理解技术。它能够准确识别和理解图片中的文字、颜色和物体形状等内容，为用户提供强大的视觉分析能力。该模型具有高效、准确的特点，适用于多种场景，如图像内容描述、视觉问答等。其定价与 moonshot-v1 系列模型一致，根据模型推理的总 Tokens 计费，每张图片消耗的 Tokens 为固定值 1024。

一个由moondream创建的Hugging Face Space，用于展示注视点相关技术

Gaze Demo是一个基于Hugging Face Spaces平台的项目，由用户moondream创建。它主要展示与注视点（Gaze）相关的技术，可能涉及到图像识别、用户交互等领域。该技术的重要性在于能够通过分析用户的注视点来增强用户体验，例如在人机交互、广告投放、虚拟现实等场景中有广泛应用。产品目前处于展示阶段，未明确具体价格和详细定位。

一款通过生活场景学习日语的APP。

KaChiKa是一款旨在通过生活场景帮助用户学习日语的应用程序。它利用智能图像分析技术，将图片内容转化为日语单词和句子，以视觉记忆的方式辅助学习。该应用强调在日常生活中轻松掌握日语，适合各类日语学习者。应用提供免费下载，但包含应用内购买项目，如会员服务，价格分别为每月2.99美元和每年29.99美元。

AnyParser Pro 是一款能够快速准确地从 PDF、PPT 和图像中提取内容的大型语言模型。

AnyParser Pro 是由 CambioML 开发的一款创新的文档解析工具，它利用大型语言模型（LLM）技术，能够快速准确地从 PDF、PPT 和图像文件中提取出完整的文本内容。该技术的主要优点在于其高效的处理速度和高精度的解析能力，能够显著提高文档处理的效率。AnyParser Pro 的背景信息显示，它是由 Y Combinator 孵化的初创公司 CambioML 推出的，旨在为用户提供一种简单易用且功能强大的文档解析解决方案。目前，该产品提供免费试用，用户可以通过获取 API 密钥来访问其功能。

一款帮助用户整理房间的趣味提醒应用

Dotomo是一款旨在帮助用户整理房间的应用程序。通过趣味性的方式提醒用户清理房间，例如将衣物比作叛乱者，灰尘比作文明等，使得整理房间的过程更加有趣和轻松。该应用的主要优点在于其独特的提醒方式和趣味性，能够激发用户的整理动力。产品背景信息显示，Dotomo由Arash Midus开发，目前处于测试阶段，用户可以通过TestFlight获取早期访问权限。价格方面，目前尚未明确，但作为一款趣味应用，预计会以免费或低价格的形式提供给用户。

多模态大型模型，处理文本、图像和视频数据

Valley-Eagle-7B是由字节跳动开发的多模态大型模型，旨在处理涉及文本、图像和视频数据的多种任务。该模型在内部电子商务和短视频基准测试中取得了最佳结果，并在OpenCompass测试中展现出与同规模模型相比的卓越性能。Valley-Eagle-7B结合了LargeMLP和ConvAdapter构建投影器，并引入了VisionEncoder，以增强模型在极端场景下的性能。

一个强大的OCR（光学字符识别）工具

Ollama-OCR是一个使用最新视觉语言模型的OCR工具，通过Ollama提供技术支持，能够从图像中提取文本。它支持多种输出格式，包括Markdown、纯文本、JSON、结构化数据和键值对，并且支持批量处理功能。这个项目以Python包和Streamlit网络应用的形式提供，方便用户在不同场景下使用。

先进的大型混合专家视觉语言模型

DeepSeek-VL2是一系列先进的大型混合专家（MoE）视觉语言模型，相较于前代DeepSeek-VL有显著提升。该模型系列在视觉问答、光学字符识别、文档/表格/图表理解、视觉定位等多项任务中展现出卓越的能力。DeepSeek-VL2由三种变体组成：DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分别拥有1.0B、2.8B和4.5B激活参数。DeepSeek-VL2在激活参数相似或更少的情况下，与现有的开源密集型和基于MoE的模型相比，达到了竞争性或最先进的性能。

端侧全模态理解开源模型

Megrez-3B-Omni是由无问芯穹研发的端侧全模态理解模型，基于大语言模型Megrez-3B-Instruct扩展，具备图片、文本、音频三种模态数据的理解分析能力。该模型在图像理解、语言理解、语音理解方面均取得最优精度，支持中英文语音输入及多轮对话，支持对输入图片的语音提问，根据语音指令直接响应文本，在多项基准任务上取得了领先的结果。