产品库

新闻文章智能朗读

Narrativ与多个领域的出版商合作，使用克隆声音将书面文章翻译成朗读的音频。通过我们的应用，您可以流式传输最新新闻，逐篇故事，直到您了解本地、州、国家甚至国际事件。

精准图像编辑，一站式满足多任务需求

Emu Edit是一款多任务图像编辑模型，通过识别和生成任务完成精准图像编辑，并在此领域内取得了最新的技术突破。Emu Edit的架构针对多任务学习进行了优化，并在众多任务上进行训练，包括基于区域的编辑、自由形式的编辑以及检测和分割等计算机视觉任务。除此之外，为了更有效地处理这多种任务，我们引入了学习到的任务嵌入概念，用于指导生成过程以正确执行编辑指令。我们的模型经过多任务训练和使用学习到的任务嵌入都能显著提升准确执行编辑指令的能力。 Emu Edit还支持对未见任务的快速适应，通过任务倒转实现少样本学习。在这个过程中，我们保持模型权重不变，仅更新任务嵌入来适应新任务。我们的实验证明，Emu Edit能够迅速适应新任务，如超分辨率、轮廓检测等。这使得在标注样本有限或计算预算有限的情况下，使用Emu Edit进行任务倒转特别有优势。 为了支持对基于指令的图像编辑模型的严格且有根据的评估，我们还收集并公开发布了一个新的基准数据集，其中包含七种不同的图像编辑任务：背景修改（background）、综合图像变化（global）、风格修改（style）、对象移除（remove）、对象添加（add）、局部修改（local）以及颜色/纹理修改（texture）。此外，为了与Emu Edit进行正确比较，我们还分享了Emu Edit在数据集上的生成结果。 Emu Edit 2023 Meta保留所有版权

让AI来处理新闻阅读！

Hai News是一款基于生成式AI的新闻搜索工具。它可以根据用户提供的关键词，自动生成相关的新闻文章，让用户可以轻松浏览感兴趣的新闻内容。Hai News采用先进的自然语言处理技术，能够从多个来源收集新闻，提供准确和丰富的新闻搜索结果。用户可以选择不同的语言进行搜索，并与AI进行聊天交互。

结合视觉语音处理与大型语言模型的框架

VSP-LLM是一个结合视觉语音处理（Visual Speech Processing）与大型语言模型（LLMs）的框架，旨在通过LLMs的强大能力最大化上下文建模能力。VSP-LLM设计用于执行视觉语音识别和翻译的多任务，通过自监督视觉语音模型将输入视频映射到LLM的输入潜在空间。该框架通过提出一种新颖的去重方法和低秩适配器（LoRA），可以高效地进行训练。

随时随地，享受高品质语音朗读。

ElevenLabs Reader App是一款可以将文本内容转化为语音的应用程序，它适用于iOS设备，并在美国、加拿大和英国上线。该应用提供高质量的语音朗读服务，支持多种格式的文本内容，包括文章、PDF、电子邮件等。用户可以从丰富的语音库中选择喜欢的语音，上传内容后即可随时随地收听。此外，ElevenLabs还提供了3个月的免费试用期，让用户可以尽情体验接近无限的文本生成和高品质语音服务。

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。

面向大模型的智能解决方案平台，自动优化多任务。

PromptPilot 是一个智能解决方案平台，专注于大模型的优化和用户任务意图的实现。通过交互反馈，该平台能够自动优化多步骤、多模态和多场景的任务，为用户提供高效的智能解决方案，适合企业和个人用户提升工作效率和任务完成质量。

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。

AI语音朗读工具

OmniReader是一款AI语音朗读工具，可以轻松地将网页、EPUB、PDF等内容朗读出来。它使用逼真的AI声音，提供多语言支持，并具备将PDF和EPUB转换为音频的功能。OmniReader还可以与AI互动，通过语音与Claude或chatGPT对话。

扩展ChatGPT，语音控制与朗读

Voice Control for ChatGPT x Mia AI是一个扩展，为ChatGPT提供语音控制和朗读功能。通过录音按钮，您可以录制并发送语音查询给ChatGPT，无需打字。AI的回答会朗读出来，确保流畅的听觉交互。此外，该插件还可以将ChatGPT变成您的个人语音助手，具备Mia AI的功能。

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。

多模态和多任务模型训练框架

4M是一个用于训练多模态和多任务模型的框架，能够处理多种视觉任务，并且能够进行多模态条件生成。该模型通过实验分析展示了其在视觉任务上的通用性和可扩展性，为多模态学习在视觉和其他领域的进一步探索奠定了基础。

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。

使用大型语言模型生成机器人模拟任务

GenSim利用大型语言模型生成大量的机器人模拟任务，支持目标导向生成和探索性生成两种模式，可用于多任务策略训练和任务级别泛化。使用GPT4扩展了现有基准测试10倍以上，支持超过100个任务，通过有监督微调和评估多个LLM，包括微调的GPT和Code Llama，生成机器人模拟任务的代码。最小的模拟到真实世界的适应后，预训练在GPT4生成的模拟任务上的多任务策略在真实世界中展现了更强的转移能力，超过基线25%。

先进的文本生成模型，支持多样化任务

Llama-3.1-Tulu-3-8B-SFT是Tülu3模型家族中的一员，这是一个领先的指令遵循模型家族，提供完全开源的数据、代码和配方，旨在为现代后训练技术提供全面的指南。该模型不仅在聊天任务上表现出色，还在MATH、GSM8K和IFEval等多样化任务上展现了卓越的性能。

人工智能驱动的新闻阅读器

Bytes 是一款由人工智能驱动的渐进式网络应用程序，以创新且用户友好的方式向用户提供新闻。凭借其无限滚动格式和人工智能生成的文章简短摘要，Bytes 为用户提供了一种快速、简单的方式来了解最新的新闻和事件。它还提供文章分类、情绪预测和情绪预测功能。Bytes可以免费使用。

Wan2.1 是一款开源的先进大规模视频生成模型，支持多种视频生成任务。

Wan2.1 是一款开源的先进大规模视频生成模型，旨在推动视频生成技术的边界。它通过创新的时空变分自编码器（VAE）、可扩展的训练策略、大规模数据构建和自动化评估指标，显著提升了模型的性能和通用性。Wan2.1 支持多种任务，包括文本到视频、图像到视频、视频编辑等，能够生成高质量的视频内容。该模型在多个基准测试中表现优异，甚至超越了一些闭源模型。其开源特性使得研究人员和开发者可以自由使用和扩展该模型，适用于多种应用场景。

一种统一的视觉任务基础模型。

Florence-2是一个新型的视觉基础模型，它通过统一的、基于提示的表示方式，能够处理多种计算机视觉和视觉-语言任务。它设计为接受文本提示作为任务指令，并以文本形式生成期望的结果，无论是图像描述、目标检测、定位还是分割。这种多任务学习设置需要大规模、高质量的注释数据。为此，我们共同开发了FLD-5B，它包含了54亿个综合视觉注释，涵盖1.26亿张图像，使用了自动化图像注释和模型细化的迭代策略。我们采用了序列到序列的结构来训练Florence-2，以执行多样化和全面的视觉任务。广泛的评估表明，Florence-2是一个强大的视觉基础模型竞争者，具有前所未有的零样本和微调能力。

自主处理任务，即使关闭页面也会继续工作。

Genspark Autopilot Agent是一个能够自动处理任务的智能代理，它通过模拟用户操作来执行任务，即使在用户关闭页面后也能继续工作。这项技术的核心优势在于其自动化能力，可以显著提高工作效率，减少重复劳动，让用户能够专注于更有创造性和战略性的任务。Genspark Autopilot Agent的背景信息显示，它是为了满足现代工作环境中对自动化和效率提升的需求而开发的。关于价格和定位，产品可能提供不同级别的服务，以满足不同用户的需求。

AI新闻，科技新闻：NBW App

Pluggdin短新闻应用程序是一个为您带来关于科技生态系统的简短新闻的应用程序，不仅限于科技，还包括科技对各个领域的影响，包括人工智能、金融科技、数字科技、区块链、增强现实/虚拟现实、元宇宙、机器学习等等。它通过人工智能技术和人工编辑流程驱动，为您提供最大的新闻覆盖回报率。

新闻聚合器

SpinReactor是一个新闻聚合器，利用GPT-4将来自各种来源的新闻文章合成为一个干净、易读的格式，不带偏见、偏见或编辑观点。我们只提供事实和支持它们的来源！定价：免费。

智能文档处理

Bewai是一种智能文档处理解决方案，通过强大的人工智能驱动的RAD-LAD（快速自适应学习文档分析）技术，自动化识别、提取、分类和验证客户档案中的数据。无需预设模板，可自动识别各类文件，包括银行文件、保险文件、政府文件等。提供自动分类和验证文件、自动提取和验证数据等功能。Bewai可以帮助您实现文档处理的自动化、可靠化和加速化。

腾讯文档智能助手,支持内容生成、数据处理、版式美化等创作需求

腾讯文档智能助手正式开启公测,可与Word、Excel、PPT等多品类文档进行智能互动,支持内容秒级生成,实现数据处理、版式美化等创作辅助功能。主要优势有:可基于标题或描述生成多类型文档内容,支持函数公式应用、数据处理、表格自动化等能力,实现 PPT 一键美化,可快速提取 PDF 文档摘要等,让文档内容实现跨品类畅通流转。

智能AI助手，生成定制化新闻和视频脚本

Phantom: Lofi Tutor是一款智能AI助手，利用先进的技术分析实时数据，并生成与相关和吸引人的定制新闻文章和视频脚本。通过我们的应用程序，您可以获取关于政治、体育、娱乐等您喜爱的主题的最新资讯。我们的AI算法会搜索网络，收集最新信息，并使用自然语言生成技术创作既具信息性又易于阅读的文章。此外，我们还提供各种热门视频格式的脚本模板，包括教程、产品演示和日志等，帮助您创造引人注目的YouTube视频。Phantom: Lofi Tutor不仅节省时间，而且提供深入的观点，确保您的视频脱颖而出。

MGX是一个提供24/7人工智能团队服务的平台，助力用户实现梦想、聊天和创造。

MGX是一个创新的人工智能平台，旨在为用户提供全天候的人工智能团队支持。它通过智能技术帮助用户实现各种创意和任务，无论是开发游戏、分析更新还是设计个人名片等。MGX强调高效、智能和便捷，适合各类用户，包括开发者、设计师、产品经理等。平台采用先进的AI技术，能够快速响应用户需求，提供个性化的解决方案。MGX的定位是成为用户在数字世界中的得力助手，帮助他们节省时间并提高效率。

利用AI理解新闻，为您提供每日重要新闻摘要。

Tailor利用人工智能技术来理解新闻内容,并为用户每天提供最重要的新闻摘要。它可以帮助用户从混乱的新闻源中获取有价值的信息。该产品的优势在于利用AI技术智能分析和总结新闻,节省用户阅读时间。它主要定位于对时事新闻感兴趣但没有足够时间阅读的用户群体。目前该产品暂无公开收费信息。

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。

个性化、智能化的新闻阅读器

Tidby是一款个性化、智能化的新闻阅读器，通过AI技术将新闻故事转化为简洁易懂的摘要，让用户轻松了解新闻要点。同时，Tidby还支持用户自定义新闻内容、收藏文章、与作者互动等功能，让用户更好地掌控自己的新闻阅读体验。未来，Tidby还将推出用户自主发布新闻、关注特定来源和作者、AI搜索等功能，让用户更好地探索新闻世界。

AI驱动的新闻摘要与听觉资讯

hearbitz是一款AI驱动的新闻摘要应用，通过人工智能技术对新闻、文章和博客进行摘要和过滤，提供多语言的新闻摘要和文本转语音功能。用户可以通过hearbitz获取最新的新闻摘要，并可以根据个人喜好进行个性化定制。hearbitz提供流畅的听觉体验，让用户在短时间内了解全球最新动态。产品定价详细信息请参考官方网站。

全球政治、金融、商业等领域的人工智能新闻和图片

The Synthetic Standard是一个人工智能驱动的新闻和图片平台，提供全球范围内的政治、金融、商业等领域的新闻报道和图片展示。我们利用人工智能技术实时收集和整理各类信息，并提供多种分类标签和搜索功能，以帮助用户快速获取所需的信息。