产品库

高效小型语言模型

SmolLM是一系列最新的小型语言模型，包含135M、360M和1.7B参数的版本。这些模型在精心策划的高质量训练语料库上进行训练，能够实现在本地设备上运行，显著降低推理成本并提高用户隐私。SmolLM模型在多种基准测试中表现优异，测试了常识推理和世界知识。

AI Vision for instant visual analysis

Chooch AI Vision Platform是一款AI视觉平台，通过AI算法实现对图像和视频的实时分析和识别。该平台可帮助企业快速检测和分析成千上万种视觉对象、图像或动作，并在图像被识别出时立即采取行动。具有高度精确和高效的操作，能够提升业务运营性能。Chooch AI Vision Platform提供多种预训练的AI模型，可快速部署并支持在云端或边缘设备上使用。定价根据具体需求定制。

云端计算机视觉软件平台

LandingLens是一个云端计算机视觉软件平台，通过直观的界面和自然的提示交互，使您能够在几分钟内创建自定义的计算机视觉项目。其数据导向的人工智能技术确保即使在小型数据集的情况下，模型也能正常工作。LandingLens提供灵活的部署选项，包括云端和边缘设备，使其易于集成到现有环境中。无论是单个生产线还是全球运营，LandingLens都能轻松扩展项目。

本地安全AI，保障数据隐私。

Klee是一款macOS原生的AI助手应用程序，专注于本地处理数据，确保数据安全和隐私。它使用先进的AI技术，如RAG（检索增强生成）和开源大型语言模型，如Llama 3和Mistral，为用户提供高效、智能的笔记、搜索和知识管理功能。Klee的主要优点包括本地运行以保护隐私、支持团队协作、免费使用以及优化的macOS体验。

图像识别、标注和关键词生成工具

CrossPrism for MacOS 是一款专为摄影师设计的图像识别、标注和关键词生成工具。它利用多核 CPU、GPU 和神经引擎，能够识别物种、生成标题和描述，并支持模型训练的可定制性。用户可以在本地自动标注无限量的原始照片，确保所有照片安全地存储在 Mac 上，无需担心云服务中断、数据锁定或文件传输问题。其20多个专家模型可以对从鸟类到地标的各种内容进行分类，并提供新的视角来整理目录和重新发现旧照片。此外，它还支持视频处理、Lightroom 插件、图像质量评估等功能，使其成为一个强大的筛选工具。

构建零成本的设备端AI。

ZETIC.ai提供了一种革命性的设备端AI解决方案，使用NPU技术帮助企业减少对GPU服务器和AI云服务的依赖，从而显著降低成本。它支持任何操作系统、任何处理器和任何目标设备，确保AI模型在转换过程中不损失任何核心功能，同时实现最优性能和最大能效。此外，它还增强了数据安全性，因为数据在设备内部处理，避免了外部泄露的风险。

一站式AI内容生成器，助力跨境电商提升效率。

Kerqu.Ai是一个为跨境电商卖家提供一站式AI解决方案的平台，整合了先进的AI技术，帮助用户节约成本、提升品牌影响力和销售转化率。产品通过AI技术实现模特换场景、AI图片创作、批量抠图、图片变高清等功能，同时提供一键撰写文案、优化文案和多语言翻译服务，满足多站点经营需求。

高质量、类人同声传译系统

CLASI是一个由字节跳动研究团队开发的高质量、类人同声传译系统。它通过新颖的数据驱动读写策略平衡翻译质量和延迟，采用多模态检索模块来增强特定领域术语的翻译，利用大型语言模型（LLMs）生成容错翻译，考虑输入音频、历史上下文和检索信息。在真实世界场景中，CLASI在中英和英中翻译方向上分别达到了81.3%和78.0%的有效信息比例（VIP），远超其他系统。

AI抠图项目，使用开源模型实现图像抠图。

image-matting 是一个基于开源模型 briaai/RMBG-1.4 的AI抠图项目。该项目旨在通过学习AI技术、GUI开发、前端学习以及i18n国际化等技术，实现本地模型算法的图像抠图功能。它支持单张和批量抠图，用户可以通过拖拽和粘贴的方式快速进行图像处理。项目还提供了打包后的运行文件下载链接，方便用户使用。

AI定制周晚餐计划

OnlyPans是一个利用人工智能技术为用户提供定制化晚餐计划的应用程序。它通过与用户的简短聊天来了解用户的预算、口味偏好、语言习惯、饮食限制以及日常生活的忙碌程度，然后快速生成符合用户需求的晚餐计划。随着用户使用时间的增长，OnlyPans会不断学习和优化，提供更加个性化的服务。此外，OnlyPans还提供智能购物清单功能，帮助用户避免食品浪费和不必要的紧急购物。OnlyPans注重用户隐私保护，承诺不会出售用户的任何信息。

将Excel转换为仪表板和报告的AI工具。

Excel Dashboard AI是一款利用人工智能技术，将Excel数据快速转换为交互式仪表板和分析报告的工具。它通过自然语言处理能力，允许用户以对话形式与数据进行交流，从而迅速获得洞察。产品的主要优点包括快速生成多样化的数据分析维度、自然语言编辑和锁定分析视角、一键生成交互式仪表板、AI解读图表含义以及将仪表板转换为详尽的分析报告等。

基于 AI 技术生成视频内容的智能服务。

清影 AI 视频生成服务是一个创新的人工智能平台，旨在通过智能算法生成高质量的视频内容。该服务适合各种行业用户，能够快速便捷地生成富有创意的视觉内容。无论是商业广告、教育课程还是娱乐视频，清影 AI 都能提供优质的解决方案。该产品依托于先进的 GLM 大模型，确保生成内容的准确性与丰富性，同时满足用户个性化需求。提供免费试用，鼓励用户探索 AI 视频创作的无限可能。

AI辅助的Figma设计文本工具

UIQuill是一个为Figma设计的上下文感知文本工具，利用最新的AI技术为设计内容提供优化和上下文适当的文本建议。它能够理解设计的功能、风格、语气和长度，生成无缝融入设计的文本，支持单层文本、组合、框架或整个页面的优化建议。UIQuill还支持SEO优化文本，提升设计内容的搜索排名。

音乐创作的先进模型，提供高质量音频和创新功能。

Udio v1.5是一个音乐创作平台的高级版本，它在v1的基础上进行了多项改进，包括提高音质、提供音调控制、改善全球语言支持等。它生成48kHz立体声轨道，提供更清晰的音质和更好的乐器分离度。此外，Udio v1.5还提供了一系列新功能，如专用创作页面、音轨下载、音频转音频混音、可分享的歌词视频等，旨在进一步赋能音乐创作者。

为LivePortrait提供的ComfyUI节点

ComfyUI-LivePortraitKJ是一个开源项目，通过ComfyUI节点为LivePortrait提供支持。它允许用户在实时视频和图片中实现面部特征的捕捉和动画效果，支持多种面部检测技术，包括Insightface和MediaPipe。该项目采用MIT许可证，提供了更好的Mac支持，并优化了性能和效率，允许在ComfyUI环境中实现接近实时的视图体验。

用于体育分析的计算机视觉工具集

roboflow/sports 是一个开源的计算机视觉工具集，专注于体育领域的应用。它利用先进的图像处理技术，如目标检测、图像分割、关键点检测等，来解决体育分析中的挑战。这个工具集由Roboflow开发，旨在推动计算机视觉技术在体育领域的应用，并通过社区贡献不断优化。

结合AI与实时网络信息，提供快速准确的搜索答案。

SearchGPT是OpenAI测试中的一个新AI搜索功能原型，它结合了AI模型的强大能力与网络信息，为用户提供快速、及时且来源清晰的答案。该原型目前仅向一小群用户和出版商开放，以获取反馈。SearchGPT旨在通过实时网络信息增强模型的对话能力，使寻找答案变得更快、更易。它还能让用户像与人对话一样提出后续问题，共享上下文随着每个查询而建立。OpenAI致力于与出版商和创作者建立繁荣的生态系统，通过突出显示高质量内容并提供多个用户参与机会的对话界面来增强搜索体验。

AI 驱动的地理空间分析解决方案

FlyPix AI 是一个创新的地理空间技术平台，它利用先进的 AI 技术将复杂的图像转化为可操作的、地理参考的见解。无论是跟踪环境变化还是优化城市规划，FlyPix AI 的 AI 驱动方法都能提供无与伦比的精度和效率。该平台支持对象检测、定位、跟踪和监控，适用于多个行业，包括政府、建筑、可再生能源、农业、风险管理、石油与天然气、林业、智慧城市、港口业务和采矿等。

一键翻译创意作品至75+种语言

Vitra.ai是一个提供在线翻译服务的平台，专注于帮助设计师和企业将创意作品翻译成多种语言，以扩大品牌在全球的受众范围。其核心优势在于通过上下文翻译引擎确保品牌声音和信息与当地受众产生共鸣，同时保持品牌身份。Vitra.ai还提供了翻译记忆和术语表功能，以确保跨语言的术语一致性和准确性。此外，Vitra.ai还提供校对服务，确保翻译的100%准确性，并支持跨团队协作，简化流程。

Llama 3.1模型的系统级代理组件

Llama-agentic-system是一个基于Llama 3.1模型的系统级代理组件，它能够执行多步骤推理和使用内置工具，如搜索引擎或代码解释器。该系统还强调了安全性评估，通过Llama Guard进行输入和输出过滤，以确保在不同使用场景下的安全需求得到满足。

全端到端的类人语音对话模型

SpeechGPT2是由复旦大学计算机科学学院开发的端到端语音对话语言模型，能够感知并表达情感，并根据上下文和人类指令以多种风格提供合适的语音响应。该模型采用超低比特率语音编解码器（750bps），模拟语义和声学信息，并通过多输入多输出语言模型（MIMO-LM）进行初始化。目前，SpeechGPT2还是一个基于轮次的对话系统，正在开发全双工实时版本，并已取得一些有希望的进展。尽管受限于计算和数据资源，SpeechGPT2在语音理解的噪声鲁棒性和语音生成的音质稳定性方面仍有不足，计划未来开源技术报告、代码和模型权重。

多语言大型语言模型，优化对话场景。

Meta Llama 3.1是一系列多语言的大型预训练和指令调整的生成模型，包含8B、70B和405B大小的版本。这些模型专为多语言对话用例而优化，并在常见行业基准测试中表现优于许多开源和闭源聊天模型。模型使用优化的transformer架构，并通过监督式微调(SFT)和强化学习与人类反馈(RLHF)进行调整，以符合人类对有用性和安全性的偏好。

多语言对话生成模型

Meta Llama 3.1系列模型是一套预训练和指令调整的多语言大型语言模型（LLMs），包含8B、70B和405B三种规模的模型，专为多语言对话使用案例优化，性能优于许多开源和闭源聊天模型。

自动化解释性代理，提升AI模型透明度

MAIA（Multimodal Automated Interpretability Agent）是由MIT计算机科学与人工智能实验室（CSAIL）开发的一个自动化系统，旨在提高人工智能模型的解释性。它通过视觉-语言模型的支撑，结合一系列实验工具，自动化地执行多种神经网络解释性任务。MAIA能够生成假设、设计实验进行测试，并通过迭代分析来完善其理解，从而提供更深入的AI模型内部运作机制的洞察。

多语言大型语言模型，优化对话和文本生成。

Meta Llama 3.1是一系列预训练和指令调整的多语言大型语言模型（LLMs），包含8B、70B和405B三种大小的模型，专门针对多语言对话使用案例进行了优化，并在行业基准测试中表现优异。该模型使用优化的transformer架构，并通过监督式微调（SFT）和人类反馈的强化学习（RLHF）进一步与人类偏好对齐，以确保其有用性和安全性。

一站式AI应用部署平台。

OmniAI是一个提供统一API体验的AI应用构建平台，支持在现有基础设施内运行，支持多种AI模型，如Llama 3、Claude 3、Mistral Large等，适用于自然语言理解、生成任务等复杂需求。

一种简单直观的PDF OCR工具，使用gpt-4o-mini进行文档转换。

Zerox OCR是一个基于gpt-4o-mini的PDF文档转换工具，它通过将PDF文件转换为图像，然后利用GPT模型将图像内容转换为Markdown格式，从而实现对文档的高效OCR处理。该工具在价格上具有竞争力，并且能够提供比现有产品更有意义的结果。

Bing的新型生成式搜索体验。

Bing generative search是微软Bing搜索团队推出的新型搜索体验，它结合了生成式人工智能和大型语言模型（LLMs）的能力，为用户提供定制化和动态的搜索结果。该技术通过理解用户查询，审核数百万信息源，动态匹配内容，并以新的AI生成的布局生成搜索结果，以更有效地满足用户查询的意图。

统一的代码库，用于微调大型多模态模型

lmms-finetune是一个统一的代码库，旨在简化大型多模态模型（LMMs）的微调过程。它提供了一个结构化的框架，允许用户轻松集成最新的LMMs并进行微调，支持全微调和lora等策略。代码库设计简单轻量，易于理解和修改，支持包括LLaVA-1.5、Phi-3-Vision、Qwen-VL-Chat、LLaVA-NeXT-Interleave和LLaVA-NeXT-Video等多种模型。

文本到视频生成领域的先进模型架构

Open-Sora Plan v1.2是一个开源的视频生成模型，专注于文本到视频的转换任务。它采用3D全注意力架构，优化了视频的视觉表示，并提高了推理效率。该模型在视频生成领域具有创新性，能够更好地捕捉联合空间-时间特征，为视频内容的自动生成提供了新的技术路径。