产品库

从文本描述生成全息3D全景世界

HoloDreamer是一个文本驱动的3D场景生成框架，能够生成沉浸式且视角一致的全封闭3D场景。它由两个基本模块组成：风格化等矩形全景生成和增强两阶段全景重建。该框架首先生成高清晰度的全景图作为完整3D场景的整体初始化，然后利用3D高斯散射（3D-GS）技术快速重建3D场景，从而实现视角一致和完全封闭的3D场景生成。HoloDreamer的主要优点包括高视觉一致性、和谐性以及重建质量和渲染的鲁棒性。

从任何地方到任何地方的尽探索

WonderJourney 是一个模块化的场景生成框架，通过用户提供的位置信息，可以生成一系列多样且相互连贯的 3D 场景，形成想象中的 “奇妙之旅”。通过利用语言模型生成场景的文本描述，使用文本驱动的点云生成流程生成连贯的 3D 场景，通过大规模验证模型对生成的场景进行验证。WonderJourney 展示了多样的视觉效果，包括各种类型和风格的场景。

从长文本中合成无限可控角色动画

Story-to-Motion是一个全新的任务，它接受一个故事（顶部绿色区域）并生成与文本描述相符的动作和轨迹。该系统利用现代大型语言模型作为文本驱动的运动调度器，从长文本中提取一系列（文本、位置）对。它还开发了一个文本驱动的运动检索方案，结合了经典运动匹配和运动语义以及轨迹约束。此外，它设计了一个渐进式掩蔽变换器，以解决过渡动作中常见的问题，如不自然的姿势和滑步。该系统在轨迹跟随、时间动作组合和动作混合等三个不同子任务的评估中表现优异，胜过以往的动作合成方法。

AI文本应用开发工具

App Mint AI是一款AI文本应用开发工具，可以帮助用户创造出各种创新的文本驱动体验。通过可视化拖拽界面，用户可以轻松地创建AI驱动的文本应用，无需编程技能。该工具提供免费和付费版本，用户可以根据自己的需求选择适合的定价方案。

致力于信息降噪 / 阅读提效的个人知识助手

知了 zKnown 是一款 AI-Native 构建的个人知识助手，专注于信息降噪和阅读提效。它通过多端同步、多渠道总结、长文本支持等功能，帮助用户高效地管理和整理信息。产品的主要优点包括：- 多端同步：用户可以在移动app、桌面客户端、网页版、小程序等多个平台同步使用。- 多渠道总结：支持微信公众号、知乎、简书、36Kr、少数派等多个渠道的文章总结。- 长文本支持：最长支持总结3万字的文章内容。- 摘要导出：用户可以将摘要保存到 Notion、Flomo 等平台。- 产品背景：知了 zKnown 致力于通过 AI 技术提升用户的阅读和信息管理效率，适合需要高效处理大量信息的用户。

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。

快速构建AI助手，提升业务效率

Kipps.AI 是一个在线平台，允许用户在短短两分钟内构建自己的AI助手，并将其集成到业务中。该平台支持多种数据源，如PDF、Notion、网站链接和文本，用户只需提供这些数据，Kipps.AI 会处理其余部分。它还与常用的工具如GoDaddy、Wordpress、Drupal、Squarespace、Magento和Wix等进行集成，使得用户可以轻松地将AI助手集成到现有的业务流程中。

通过分析用户评论，降低用户流失率。

ReviewHawk是一个专注于分析应用商店评论的工具，旨在帮助企业降低用户流失率，获取用户反馈，从而改善产品。它通过数据驱动的决策和用户满意度分析，帮助企业了解用户真正想要的功能，从而提升用户留存率和产品满意度。

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。

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。

AI驱动的内容创作引擎，开源替代方案。

OpenPlexity Pages是一个由AI驱动的内容创作引擎，旨在将您的研究转化为视觉吸引、全面的内容。它是一个开源的替代品，与Perplexity Pages不同，它完全开源，允许社区贡献和定制。它注重隐私，数据本地运行，保证您的研究和内容保持私密。此外，它还具有可定制性，可以调整内容的语调以吸引目标受众，从普通读者到主题专家。它还具有适应性，可以轻松修改文章的结构，添加、重新排列或删除部分以最好地适应您的材料。

智能搜索引擎，提供直接答案。

XAnswer是一个智能搜索引擎，它能够根据用户的问题直接提供答案，而不需要用户浏览多个网页来寻找信息。这种技术的优势在于节省用户的时间，提高搜索效率，并且能够快速获得准确的信息。XAnswer背后是先进的算法和大数据分析技术，使其能够理解用户的查询意图，并提供相关的、准确的答案。

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。

详细分析你的邮箱活动，提高生产力。

Inbox Report 是由 Maestro Labs 提供的一项服务，它提供了对用户邮箱活动的详细分析，包括关键指标和趋势，以帮助用户提高工作效率。Maestro Labs 是一家拥有 SOC II 和 GDPR 认证的公司，其产品 MailMaestro 被多家财富500强公司使用，以更快地撰写更好的电子邮件。Inbox Report 不会读取或存储用户的电子邮件，仅基于用户在特定时间段内收到的电子邮件总数生成报告。

将语音转化为强大的内容

Speech to Note是一个AI驱动的语音识别工具，能够即时将口语转换为文本。它使用先进的语音转文本技术，将您的语音转换成可以编辑或分享的简洁摘要。该产品由GPT-4技术支持，旨在提升生产力并释放创造力。

AI驱动的自动化求职助手

AutoApply是一个AI驱动的求职平台，通过自动化技术帮助用户快速申请工作，节省时间并提高求职效率。它通过分析用户的简历和求职意向，自动匹配合适的职位，并生成个性化的求职信和简历。此外，AutoApply还提供24小时服务，让用户随时随地都能申请工作。

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。

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。

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。

快速高效的文本到图表生成工具。

Mermaid AI是一个由Mermaid JS团队开发的图表生成工具，它通过文本快速生成图表，简化了文档流程，提高了团队间的沟通效率。它支持多种图表类型，包括流程图、序列图、Git图等，并且具有代码驱动的自动化功能，使得设计系统和新成员入职更加高效和易于管理。

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。

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。

70亿参数的大型多语言对话生成模型

Meta Llama 3.1是Meta公司推出的一种大型语言模型，拥有70亿参数，支持8种语言的文本生成和对话。该模型使用优化的Transformer架构，并通过监督微调(SFT)和人类反馈强化学习(RLHF)进行调优，以符合人类对有用性和安全性的偏好。它旨在为商业和研究用途提供支持，特别是在多语言对话场景下表现出色。

多语言对话生成模型

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），支持8种语言，专为对话使用案例优化，并通过监督式微调（SFT）和人类反馈的强化学习（RLHF）来提高安全性和有用性。

视频到音频生成模型，增强同步性

MaskVAT是一种视频到音频(V2A)生成模型，它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性，以避免不自然的同步问题。MaskVAT结合了全频带高质量通用音频编解码器和序列到序列的遮蔽生成模型，能够在保证高音频质量、语义匹配和时间同步性的同时，达到与非编解码器生成音频模型相媲美的竞争力。

生成多视角视频的模型

Stable Video 4D (SV4D) 是基于 Stable Video Diffusion (SVD) 和 Stable Video 3D (SV3D) 的生成模型，它接受单一视角的视频并生成该对象的多个新视角视频（4D 图像矩阵）。该模型训练生成 40 帧（5 个视频帧 x 8 个摄像机视角）在 576x576 分辨率下，给定 5 个相同大小的参考帧。通过运行 SV3D 生成轨道视频，然后使用轨道视频作为 SV4D 的参考视图，并输入视频作为参考帧，进行 4D 采样。该模型还通过使用生成的第一帧作为锚点，然后密集采样（插值）剩余帧来生成更长的新视角视频。

AI模型，动态多角度视频生成。

Stable Video 4D是Stability AI最新推出的AI模型，它能够将单个对象视频转换成八个不同角度/视图的多个新颖视图视频。这项技术代表了从基于图像的视频生成到完整的3D动态视频合成的能力飞跃。它在游戏开发、视频编辑和虚拟现实等领域具有潜在的应用前景，并且正在不断优化中。