产品库

一键式捕捉灵感，简化笔记与书签管理

Nocket.io 是一款浏览器插件，专为简化网页书签、高亮和笔记功能而设计。它与Notion无缝集成，帮助用户将网页内容、灵感和想法转化为创意产出。在 Notion 中保存书签、突出显示、注释和 AI 摘要。产品的主要优点包括：一键保存网页、高亮重要内容、快速记录想法、通过星级评价内容的有用性以及与Notion的无缝同步。此外，Nocket.io 提供了基础版和专业版两种订阅方案，满足不同用户的需求。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2-large-ft是由微软开发的高级视觉基础模型，使用基于提示的方法来处理广泛的视觉和视觉-语言任务。该模型能够通过简单的文本提示执行诸如图像描述、目标检测和分割等任务。它利用FLD-5B数据集，包含54亿个注释，覆盖1.26亿张图像，实现多任务学习。模型的序列到序列架构使其在零样本和微调设置中均表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务。

Florence-2是由微软开发的高级视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示，执行如描述、目标检测和分割等任务。它利用包含54亿个注释的5.4亿张图像的FLD-5B数据集，精通多任务学习。模型的序列到序列架构使其在零样本和微调设置中都表现出色，证明其为有竞争力的视觉基础模型。

先进的视觉基础模型，支持多种视觉和视觉-语言任务

Florence-2-large是由微软开发的先进视觉基础模型，采用基于提示的方法处理广泛的视觉和视觉-语言任务。该模型能够解释简单的文本提示来执行如图像描述、目标检测和分割等任务。它利用包含54亿注释的5.4亿图像的FLD-5B数据集，精通多任务学习。其序列到序列的架构使其在零样本和微调设置中均表现出色，证明是一个有竞争力的视觉基础模型。

AI驱动的Figma插件，实现文本的智能替换。

AI Content Mate是一个Figma插件，它通过AI技术帮助用户在设计中自动选择和替换文本。它能够理解文本的上下文，提供智能且相关的替代选项，同时允许用户添加自定义的注释和指南以确保生成的文本符合特定需求。这个插件提供了免费访问，通过Grok-cloud API密钥，用户可以享受AI驱动的文本转换功能，无需任何成本。

提升视频理解和生成的AI模型。

ShareGPT4Video系列旨在通过密集且精确的字幕来促进大型视频-语言模型(LVLMs)的视频理解以及文本到视频模型(T2VMs)的视频生成。该系列包括：1) ShareGPT4Video，40K GPT4V注释的密集视频字幕，通过精心设计的数据过滤和注释策略开发而成。2) ShareCaptioner-Video，一个高效且功能强大的任意视频字幕模型，由其注释的4.8M高质量美学视频。3) ShareGPT4Video-8B，一个简单但卓越的LVLM，其在三个先进的视频基准测试中达到了最佳性能。

文本引导的情感和动作控制，生成生动的2D头像

InstructAvatar是一个创新的文本引导方法，用于生成具有丰富情感表达的2D头像。该模型通过自然语言接口控制头像的情感和面部动作，提供了细粒度控制、改进的交互性和对生成视频的泛化能力。它设计了一个自动化注释流程来构建指令-视频配对的训练数据集，并配备了一个新颖的双分支扩散基础生成器，可以同时根据音频和文本指令预测头像。实验结果表明，InstructAvatar在细粒度情感控制、唇同步质量和自然度方面均优于现有方法。

法律文件格式化和格式问题识别工具

LegalLint 是一款专为法律领域设计的文档准备工具，旨在提高文档准备的效率和准确性。它具备以下功能：自动替换引用、插入注释块、检测和突出显示文档中的各种格式问题，如多余的空格、错位的标点或未闭合的括号。这些功能帮助法律专业人士高效地创建无误的文档，节省宝贵的时间并确保文档格式的精确性。

Web高亮器，可用于PDF和网站。免费且易于使用。高亮和注释PDF、网站和YouTube视频。

Glasp是一款PDF和Web高亮器，可帮助您从网络上收集和组织您喜欢的引用和想法。您还可以访问其他志同道合的人的学习成果，并从您的高亮和笔记中构建您的AI副本。它支持多种高亮颜色选项，可在网页和PDF上进行高亮和注释，并且具有AI支持的摘要功能。

Gemini Recognize和注释代码截图的OCR工具

Pic2Code是由Gemini Recognize提供支持的代码截图OCR工具。它可以识别和注释从视频或文章中粘贴的代码截图。通过使用Pic2Code，用户可以省去手动敲代码的步骤，提高工作效率。

一种用于生成超详细图像描述的模型，用于训练视觉语言模型。

ImageInWords (IIW) 是一个由人类参与的循环注释框架，用于策划超详细的图像描述，并生成一个新的数据集。该数据集通过评估自动化和人类并行（SxS）指标来实现最先进的结果。IIW 数据集在生成描述时，比以往的数据集和GPT-4V输出在多个维度上有了显著提升，包括可读性、全面性、特异性、幻觉和人类相似度。此外，使用IIW数据微调的模型在文本到图像生成和视觉语言推理方面表现出色，能够生成更接近原始图像的描述。

Cubby是一款协作研究工具，可以存储文件和链接，标注内容，并使用人工智能进行综合。

Cubby是一个私密的工作空间，可以存储来自任何地方的链接和文件，并使用人工智能进行标注和综合。它可以自动转录音频和视频内容，并提供注释和下载功能。Cubby还有一个智能助手，可以自动生成摘要、回答问题并进行内容综合。Cubby旨在提供一个集中存储、标注和综合研究资料的工具，以提高工作效率。

收集高质量用户反馈

LoomFlows是一个收集高质量用户反馈的平台。它帮助您简化高质量反馈的收集，识别有影响力的机会，并通过构建合适的功能来加速发展。LoomFlows提供收集用户反馈的渠道、反馈分析、注释截图、Loom视频反馈等功能。它适用于个人和团队，有不同的定价计划供选择。

一款免费且即时的协作型图表工具。

tldraw 是一款免费的、即时协作的绘图工具。它提供了丰富的图形元素和绘图功能,可以帮助用户快速创建各种类型的图表和流程图。tldraw 允许用户在白板上绘制 UI，并使用 GPT-4 Turbo 和 Vision 来生成由真实代码支持的工作网站。它支持多人实时协作,并提供了版本控制和注释等功能。tldraw 适合用于工作、学习、规划等场景,是一款优秀的生产力工具。

中国首部文生视频 AI 系列动画片

《千秋诗颂》是由中央广播电视总台打造的中国首部文生视频 AI 系列动画片，采用 AIGC 技术制作，运用 AI 人工智能技术将国家统编语文教材中的诗词制作成国风动画。首集《别董大》已在 CGTN 上线，配音使用最新 AI 技术完成，未来将陆续推出英文版和其他语种版本。充分考虑海外受众接受习惯，增加历史背景介绍和人物身份注释，让海外受众更好领略中华诗词之美。

用户友好的LLMs WebUI

Open WebUI是一个为LLMs（大型语言模型）设计的友好型Web用户界面，支持Ollama和OpenAI兼容的API。它提供了直观的聊天界面、响应式设计、快速响应性能、简易安装、代码语法高亮、Markdown和LaTeX支持、本地RAG集成、Web浏览能力、提示预设支持、RLHF注释、会话标记、模型下载/删除、GGUF文件模型创建、多模型支持、多模态支持、模型文件构建器、协作聊天、OpenAI API集成等功能。

以自我为中心的合成数据生成器

EgoGen是一个用于生成以自我为中心的合成数据的系统，它能够模拟头戴设备（HMDs）的相机装置，并从相机佩戴者的视角渲染多种传感器数据。该系统提供了丰富的多模态数据和准确的注释，适用于自我感知任务。

Aria每日活动数据集,加速机器感知和人工智能发展

Aria每日活动数据集是Aria项目发布的首个试点数据集的重新发布版本,该数据集利用新的工具和位置数据进行了更新,以加速机器感知和人工智能技术的发展。数据集包含日常生活场景下的第一人称视频序列,并配有丰富的传感器数据、注释数据以及由Aria机器感知服务生成的3D点云数据等。研究人员可以使用Aria提供的专用工具快速上手使用该数据集开展研究。

聊天式PDF工具

Bard PDF是一个免费的交互式平台，专注于提供处理和协作PDF文件的强大功能。它提供功能如PDF内容摘要、表格图片和文本提取、直接在PDF上添加注释等。适用于研究者、专业人士和学生，帮助提高工作效率和学习成果。

LiveFood是一个美食视频高光检测数据集和全局原型编码模型

LiveFood是一个包含超过5100个美食视频的数据集,视频包括食材、烹饪、呈现和食用四个领域,所有视频均由专业工人精细注释,并采用严格的双重检查机制进一步保证注释质量。我们还提出了全局原型编码(GPE)模型来处理这个增量学习问题,与传统技术相比获得了竞争性的性能。

优秀的代码助手，智能化编程体验

Fitten Code是一个GPT驱动的代码生成和完成工具，支持多种语言：Python、Javascript、Typescript、Java等。它能够自动为您的代码补充缺失的部分，节省您宝贵的开发时间。基于AI大模型对代码进行语义级翻译，支持多种编程语言互译。同时，它能够根据您的代码自动生成相关注释，为您的代码提供清晰易懂的解释和文档。除此之外，它还拥有智能bug查找、解释代码、自动生成单元测试的功能，以及根据代码自动产生相应的测试用例等功能。

释放你思维的力量

Mindmap AI PRO是一款最先进的平台，用于制作思维导图。利用键盘快捷键创建节点和浏览思维导图，利用专业的 AI 向导加速思维导图的创建，个性化功能让你的思维导图体验更上一层楼。你可以轻松地通过三种方式创建思维导图（从零开始，输入句子或 PDF 文件）。定制你的思维导图，添加自定义注释，无缝连接节点，增加图标以增强视觉表现，轻松连接到其他页面，使用自定义标签整理内容。你还可以获得一个公共链接，实时分享你的思维导图，或将思维导图导出为 PDF、PNG 或 JPEG 文件，提升你的演示效果。

基于图形的通用姿势估计方法

Pose Anything是一种基于图形的通用姿势估计方法，旨在使关键点定位适用于任意物体类别，使用单个模型，需要最少带有注释关键点的支持图像。该方法通过全新设计的图形转换解码器利用关键点之间的几何关系，提高了关键点定位的准确性。Pose Anything在MP-100基准测试中表现优异，超过了先前的最先进技术，并在1-shot和5-shot设置下取得显著改进。与以往的CAPE方法相比，该方法的端到端训练显示出可扩展性和效率。

一句话创建GitHub Action工作流

Text to Action是一个GitHub官方推出的网站产品,可以通过简单的自然语言描述就自动生成GitHub Action的YAML文件代码。该产品降低了编写GitHub Action工作流的门槛,用户只需用自己的语言描述工作流步骤,就可以快速生成可用的GitHub Action代码。主要功能包括:支持自然语言描述工作流步骤;自动生成GitHub Action YAML文件;可自定义工作流名称、代码注释等;提供代码预览和编辑功能。适用于需要快速创建GitHub Action工作流的开发者。

提高对话GPT技能的互动课程

TeamGPT是一门互动课程，旨在提高对话GPT模型的使用技能。课程包括GPT模型的原理、ChatGPT的重要知识点、与人工智能对话的基本技能等。课程内容包括超过100个实践提示、100个练习、100个额外注释、数千个使用案例以及实用的PDF文件。通过这门课程，您将获得对话GPT模型的深入理解，并能够熟练运用。

基于文本条件的3D发型生成模型

HAAR是一种基于文本输入的生成模型，可生成逼真的3D发型。它采用文本提示作为输入，生成准备用于各种计算机图形动画应用的3D发型资产。与当前基于AI的生成模型不同，HAAR利用3D发丝作为基础表示，通过2D视觉问答系统自动注释生成的合成发型模型。我们提出了一种基于文本引导的生成方法，使用条件扩散模型在潜在的发型UV空间生成引导发丝，并使用潜在的上采样过程重建含有数十万发丝的浓密发型，给定文本描述。生成的发型可以使用现成的计算机图形技术进行渲染。

创建、优化、测试和分享 AI 提示

ZenPrompts 是一款强大的提示编辑器，帮助您创建、优化、测试和分享提示。通过比较多个模型输出、展示提示作品集、实验提示版本、与他人分享提示、使用动态变量优化提示结构和添加注释记录，ZenPrompts 让您成为专业的提示工程师。

AI智能代码文档生成工具

Autonoma是一个AI驱动的代码文档生成工具。它可以自动为代码库生成文档,支持Confluence类似的界面。主要功能包括:自动生成代码注释和文档;文档实时更新;支持多种语言;导出多种格式文档等。

按下○录制、转录和总结您的Google Meet，生成适合您需求的AI生成的笔记

Bluedot是一款AI会议录制和笔记应用，通过按下○按钮，可以录制、转录和总结您的Google Meet会议，并生成适应您需求的AI生成的会议笔记。该插件还支持屏幕录制、会议摘要剪辑和共享、注释和评论、视频编辑以及视频存储和组织等功能。Bluedot帮助您节省时间，提高会议效率，并轻松与团队共享会议内容。