产品库

面向长期视频理解的大规模多模态模型

MA-LMM是一种基于大语言模型的大规模多模态模型,主要针对长期视频理解进行设计。它采用在线处理视频的方式,并使用记忆库存储过去的视频信息,从而可以在不超过语言模型上下文长度限制或GPU内存限制的情况下,参考历史视频内容进行长期分析。MA-LMM可以无缝集成到当前的多模态语言模型中,并在长视频理解、视频问答和视频字幕等任务上取得了领先的性能。

利用视觉令牌与语言令牌的等距离关系，实现可靠的视频叙述。

Vista-LLaMA是一种先进的视频语言模型，旨在改善视频理解。它通过保持视觉令牌与语言令牌之间的一致距离，无论生成文本的长度如何，都能减少与视频内容无关的文本产生。这种方法在计算视觉与文本令牌之间的注意力权重时省略了相对位置编码，使视觉令牌在文本生成过程中的影响更为显著。Vista-LLaMA还引入了一个顺序视觉投影器，能够将当前视频帧投影到语言空间的令牌中，捕捉视频内的时间关系，同时减少了对视觉令牌的需求。在多个开放式视频问答基准测试中，该模型的表现显著优于其他方法。

视频理解领域的新型状态空间模型，提供视频建模的多功能套件。

Video Mamba Suite 是一个用于视频理解的新型状态空间模型套件，旨在探索和评估Mamba在视频建模中的潜力。该套件包含14个模型/模块，覆盖12个视频理解任务，展示了在视频和视频-语言任务中的高效性能和优越性。

视频理解基础模型

VideoPrism是一个通用的视频编码模型,能够在各种视频理解任务上取得领先的性能,包括分类、定位、检索、字幕生成和问答等。其创新点在于预训练的数据集非常大且多样,包含3600万高质量的视频-文本对,以及5.82亿带有嘈杂文本的视频剪辑。预训练采用两阶段策略,先利用对比学习匹配视频和文本,然后预测遮蔽的视频块,充分利用不同的监督信号。一个固定的VideoPrism模型可以直接适配到下游任务,并在30个视频理解基准上刷新状态最优成绩。

基于RTC的AI驱动视频见证服务框架

rtcbot Server是一个AI驱动的、基于实时音视频交互的视频见证服务框架,特别为基于RTC的视频见证类业务设计,内部集成了完整的业务流程所需的各种组件,可以快速构建基于RTC(实时音视频)、由AI数字人驱动的视频见证核心流程,支持工程化部署并方便集成到企业整体的视频业务流程中。具有可配置化的业务流程、内置AI模块、支持内网部署、业务数据接口集成、本地录音录像、内置数字人形象模块等特点,适用于保险视频回访、贷款视频面签、在线视频问答、理财产品视频签约等多种场景。

技术设计的首个副驾驶，通过AI加速设计文档和图表的创建与迭代。

Eraser AI 是一款专为技术设计打造的AI工具，它能够帮助用户快速创建和迭代设计文档和图表。它通过自然语言提示生成图表代码，支持云架构图、数据库图等的快速创建。Eraser AI 提供完全可编辑的输出，支持多人实时协作，并且与开发者常用的工具如GitHub和VS Code有良好的集成。此外，它还提供了一个免费的沙盒环境DiagramGPT，允许用户无需账号即可生成图表。Eraser AI 强调数据隐私，不会使用用户数据进行模型训练，适合现代开发者使用。

为真实世界机器人提供最先进的机器学习模型、数据集和工具。

LeRobot 是一个旨在降低进入机器人领域的门槛，让每个人都能贡献并从共享数据集和预训练模型中受益的开源项目。它包含了在真实世界中经过验证的最先进的方法，特别关注模仿学习和强化学习。LeRobot 提供了一组预训练模型、带有人类收集演示的数据集和模拟环境，以便用户无需组装机器人即可开始。未来几周内，计划增加对最实惠和最有能力的真实世界机器人的支持。

MarsCode，一款集成AI编程助手的集成开发环境，让编程更高效。

MarsCode是一个基于云的编程集成开发环境(IDE)，通过内置的AI编程助手，提供代码补全、代码生成、代码解释、智能优化建议等功能，大幅提高开发效率。它支持一键式弹性部署，无需配置即可初始化开发环境，支持多模板创建项目，满足不同开发需求。MarsCode以其快速、稳定、无需下载和配置的特点，成为编程领域的创新产品。

一个用于创意写作的大型语言模型，具有出色的写作风格。

Meta-Llama-3-120B-Instruct 是一个基于 Meta-Llama-3-70B-Instruct 通过 MergeKit 自我合并的大型语言模型。它在创意写作方面表现出色，但在其他任务上可能存在挑战。该模型使用 Llama 3 聊天模板，默认上下文窗口为 8K，可以通过绳索theta扩展。模型在生成文本时有时会出现错别字，并且喜欢使用大写字母。

万知是一站式 AI 工作平台，集问答、阅读、创作于一体。

万知是一站式 AI 工作平台，为用户提供问答、阅读、创作等功能。其主要优点在于能够快速解答问题、帮助阅读和作文档，提升个人工作效率。万知由零⼀万物公司专注于 AI 2.0 的研究和用。

统一高效的RAG检索微调和推理框架

RAG-Retrieval是一个全链路的RAG检索微调和推理框架，支持多种RAG Reranker模型的推理，包括向量模型、迟交互式模型和交互式模型。它提供了一个轻量级的Python库，使得用户能够以统一的方式调用不同的RAG排序模型，简化了排序模型的使用和部署。

一款高效经济的语言模型，具有强大的专家混合特性。

DeepSeek-V2是一个由236B参数构成的混合专家（MoE）语言模型，它在保持经济训练和高效推理的同时，激活每个token的21B参数。与前代DeepSeek 67B相比，DeepSeek-V2在性能上更强，同时节省了42.5%的训练成本，减少了93.3%的KV缓存，并提升了最大生成吞吐量至5.76倍。该模型在8.1万亿token的高质量语料库上进行了预训练，并通过监督式微调（SFT）和强化学习（RL）进一步优化，使其在标准基准测试和开放式生成评估中表现出色。

智能对话助手，提供个性化服务和解决方案。

ChatGPT是一个基于人工智能技术的聊天平台，它能够通过自然语言处理和机器学习技术，理解用户的需求并提供相应的帮助。它不仅可以帮助用户规划旅行、测试知识、撰写邮件，还能设计编程游戏，教授编程基础。ChatGPT的主要优点在于其高度的交互性和个性化服务能力，能够根据用户的具体需求提供定制化的解决方案。

发现最好的AI工具，提供全面的AI服务和资源。

AI工具导航是一个为AI从业者和对人工智能感兴趣的用户提供AI工具和资源的平台。它聚集了各种AI工具，包括AI聊天、自然语言处理、绘画和图形处理、机器学习、视频音频制作等，旨在帮助用户提高工作效率和创造力。

puurl是一个AI原生的酒店评论管理平台，将酒店评论整合在一个地方，帮助酒店业主简化在线声誉管理并做出更明智的业务决策。

puurl是一个AI原生的酒店评论管理平台，通过简化在线声誉管理和提供实时反馈，帮助酒店业主节省时间并更好地关注客人的体验。puurl提供全球范围内的AI驱动的声誉管理解决方案，可帮助酒店提升在线声誉，优化人力资源策略，并实现营销策略的敏捷调整。

无需编码，自动训练、评估和部署先进的机器学习模型。

AutoTrain是Hugging Face生态系统中的一个自动化机器学习(AutoML)工具，它允许用户通过上传数据来训练定制的机器学习模型，而无需编写代码。该工具自动寻找最适合数据的模型，并快速部署。它支持多种机器学习任务，包括文本分类、图像分类、问答、翻译等，并且支持所有Hugging Face Hub上的语言。用户的数据在服务器上保持私密，并通过加密保护数据传输。根据用户选择的硬件，按分钟计费。

世界上顶级的AI模型杂志。与全球最迷人、最有趣的数字缪斯、天后和模特建立联系并互动。

Playborg.ai是一个连接全球最迷人、最有趣的数字缪斯、天后和模特的顶级AI模型杂志。它代表了AI模型和数字艺术的最新发展，并强调其在美学、创造力和技术创新方面的重要性。Playborg.ai提供独家预览、幕后见解和与明日数字偶像的直接互动，旨在打造美丽与智慧相遇的世界。

使用所有最新的llms订阅一项服务。

AllNewModels是一个网站，提供了许多最新的llms模型。该网站的主要优点是用户可以在一个订阅中使用所有最新的llms模型。它为用户提供了更多选择和灵活性，无需单独购买和使用不同的模型。AllNewModels的定位是为专业人士提供的。

Noodle4是第一个使用AI平台，可以快速、准确地对内容进行审核，包括图片、视频、文字和音频，与通常需要几天或几周来审核的要求、禁止事项和合规性进行交叉参考。

Noodle4是一种使用AI对内容进行综合审核的平台。它可以根据要求、禁止事项和合规性对内容进行审核，并分类检查特定产品的内容合规性。Noodle4的模型可以确保与创作者内容的一致性，为您的品牌提供信心。

简化筹款流程，通过短视频提高筹款效率。

VizBox AI是一个通过使用引人注目的短视频来简化筹款流程的平台。它结合了高质量的视频演讲和先进的情感分析，为创业者和投资者提供了一个更直观和有效的交流方式。VizBox AI帮助创业者通过精简的90秒视频演讲来展示他们的创意，同时提供了隐私保护和数据分析功能。这个平台还可以分享和发现创新的想法，促进可持续发展和合作。

YTSummarizer是最先进的YouTube视频总结和聊天工具，可以在几秒钟内总结任何YouTube视频，并与视频进行交流以获取所需信息。

YTSummarizer是一种先进的人工智能工具，可以从任何YouTube视频中提取简洁而相关的摘要，并通过聊天功能与视频进行交互，帮助您理解复杂的主题。它具有安全可靠的特点，并且符合GDPR和其他隐私法规。

使用我们的AI助手快速揭示书籍的本质，专注于提取洞察和提升讨论。

BookNote ΑΙ是一个AI助手，能够快速揭示书籍的本质。它通过提取洞察和提升讨论的方式，帮助用户迅速理解书籍的重要内容和主题。该产品的主要优点包括节省时间、提高理解和提供深入讨论的能力。它适用于广泛的读者群体，包括学生、教育工作者、研究人员和任何对书籍内容感兴趣的人。

使用AI自动翻译您的视频。立即配音您的第一个视频！

Dubbah是一个使用AI技术进行翻译和配音的专业级平台，适用于短视频内容。我们的平台可以将您的视频翻译成不同的语言，同时保留原始语音和背景音乐，扩大您的全球影响力。我们的深度学习算法可以分析原始内容的细微差别和情感，确保生成的配音传达所期望的语气和情感，为观众提供真实的体验。

Play.ai 是一个基于人工智能的语音交互平台，提供个性化的对话体验。

Play.ai 是一个先进的语音交互平台，它利用人工智能技术为用户提供流畅、自然的对话体验。该平台不仅能够理解用户的指令，还能根据上下文进行智能回应，为用户提供个性化的服务。Play.ai 的主要优点在于其高度的交互性和智能化，它能够适应不同用户的需求，提供定制化的对话服务。此外，Play.ai 还具有易于使用、快速响应等特点，使其成为企业和个人提升沟通效率的有力工具。

低代码生成AI应用程序的生成性AI RAG工具包。

create-tsi是一个生成性AI RAG（Retrieval-Augmented Generation）工具包，用于低代码生成AI应用程序。它利用LlamaIndex和T-Systems在Open Telekom Cloud上托管的大型语言模型（LLMs），简化了AI应用程序的创建过程，使其变得快捷、灵活。用户可以使用create-tsi生成聊天机器人、编写代理并针对特定用例进行定制。

快速集成生产就绪的AI助手，提升产品智能。

CopilotKit是一个旨在简化AI助手集成过程的开源工具。它允许开发者快速创建能够理解上下文、执行动作并从任何数据源获取知识的智能助手。产品的主要优点包括提高生产效率、增强用户参与度，以及通过自动化和智能化提升用户体验。CopilotKit的背景是响应市场对高效、智能工具的需求，定位于帮助开发者快速实现AI技术的商业化应用。

用于评估其他语言模型的开源工具集

Prometheus-Eval 是一个用于评估大型语言模型（LLM）在生成任务中表现的开源工具集。它提供了一个简单的接口，使用 Prometheus 模型来评估指令和响应对。Prometheus 2 模型支持直接评估（绝对评分）和成对排名（相对评分），能够模拟人类判断和专有的基于语言模型的评估，解决了公平性、可控性和可负担性的问题。

致力于收录开源社区的phi3训练变体版本，整理训练、推理、部署教程。

phi3-Chinese是一个公共的GitHub仓库，专注于收集和整理开源社区中关于phi3模型的各种训练变体版本。它不仅提供了不同版本的phi3模型下载链接，还包含了训练、推理、部署的相关教程，旨在帮助开发者更好地理解和使用phi3模型。

一个完全私密的聊天机器人，运行在您的浏览器中，保护您的对话数据安全。

Secret Llama 是一个免费且完全私密的聊天机器人，与ChatGPT不同，它完全在您的浏览器内运行，意味着您的对话数据不会离开您的电脑。首次加载可能需要一些时间，因为模型需要完全下载到您的电脑上，但之后可以断开WiFi工作。支持Chrome和Edge浏览器，需要GPU，不推荐在移动设备上使用。

StoryDiffusion 能够通过生成一致的图像和视频来创造魔法故事。

StoryDiffusion 是一个开源的图像和视频生成模型，它通过一致自注意力机制和运动预测器，能够生成连贯的长序列图像和视频。这个模型的主要优点在于它能够生成具有角色一致性的图像，并且可以扩展到视频生成，为用户提供了一个创造长视频的新方法。该模型对AI驱动的图像和视频生成领域有积极的影响，并且鼓励用户负责任地使用该工具。