产品库

基于Transformer的实时开放世界AI模型

Oasis是由Decart AI开发的首个可玩、实时、开放世界的AI模型，它是一个互动视频游戏，由Transformer端到端生成，基于逐帧生成。Oasis能够接收用户键盘和鼠标输入，实时生成游戏玩法，内部模拟物理、游戏规则和图形。该模型通过直接观察游戏玩法学习，允许用户移动、跳跃、拾取物品、破坏方块等。Oasis被视为研究更复杂交互世界的基础模型的第一步，未来可能取代传统的游戏引擎。Oasis的实现需要模型架构的改进和模型推理技术的突破，以实现用户与模型的实时交互。Decart AI采用了最新的扩散训练和Transformer模型方法，并结合了大型语言模型（LLMs）来训练一个自回归模型，该模型可以根据用户即时动作生成视频。此外，Decart AI还开发了专有的推理框架，以提供NVIDIA H100 Tensor Core GPU的峰值利用率，并支持Etched即将推出的Sohu芯片。

下一代情感智能的对话视频界面，让AI交互更自然、更人性。

Conversational Video Interface（CVI）是Tavus推出的一种情感智能对话视频界面。它通过Phoenix-3、Raven-0和Sparrow-0三个模型协同工作，赋予AI真正的人类感知、倾听、理解和实时互动能力。CVI不仅是一个工具，更是一种全新的人机沟通方式，可应用于医疗、心理健康、销售培训、客户服务等多个领域，具有无限的使用场景。其背后的技术突破在于将人类对话的细微情感和节奏融入AI交互中，使AI不再是简单的回应，而是能思考、反应并改变我们与机器的互动方式。

AI驱动的新闻应用，提供无偏见、无限制的深度新闻洞察。

NewsBang是一款创新的AI驱动新闻应用，旨在通过深度分析和实时交互，为用户提供超越传统新闻阅读体验的智能服务。它利用AI技术整合多元新闻源，提供无偏见的新闻解读和实时问答，帮助用户快速获取关键信息。该产品定位于忙碌的现代生活，适合希望高效获取新闻深度内容的用户。目前，NewsBang提供免费下载和使用，用户可以通过其APP随时随地获取新闻洞察。

在线创建AI虚拟形象视频，实时互动。

HeyGen Interactive Avatar是一个在线AI视频生成器，专注于创建和优化虚拟形象视频，支持实时互动。它允许用户创建一个为连续流媒体优化的虚拟形象，同时提醒用户保持头部和手部的最小动作。HeyGen的背景信息包括与Baron David和Ryan Hoover等知名人士的合作，产品目前处于Beta测试阶段，提供免费试用。

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。

Listen Labs 帮助公司快速了解客户需求。

Listen Labs 是一款以 AI 为驱动的客户研究平台，通过 AI 主导的访谈，帮助企业快速收集和分析客户反馈。其主要优点在于能够在短时间内提供可操作的市场洞察，压缩传统调研所需的时间和工作量，助力企业快速决策。该平台支持多种语言，并具备自动翻译功能，适用于全球市场。

AI 驱动的随机化内容生成器，用于创建样式化内容。

该产品是一个强大的内容生成器，利用人工智能技术和随机化机制，能够生成多种风格化的视觉内容。这种技术的重要性在于能够帮助设计师和创作者快速产生创意，节省时间，提高工作效率。它适合各种项目，包括广告、艺术创作和网页设计。该工具的定价模式灵活，能够满足不同用户的需求。

一个可以在一次传递中生成超逼真的对话的 TTS 模型。

Dia 是一个由 Nari Labs 开发的文本到语音（TTS）模型，具有 1.6 亿参数，能够直接从文本生成高度逼真的对话。该模型支持情感和语调控制，并能够生成非言语交流，如笑声和咳嗽。它的预训练模型权重托管在 Hugging Face 上，适用于英语生成。此产品对于研究和教育用途至关重要，能够推动对话生成技术的发展。

一个互动故事讲述的 AI 平台，通过图像和音频生成视频。

AvatarFX 是一个尖端的 AI 平台，专注于互动故事讲述。用户可以通过上传图片和选择声音，快速生成生动、真实的角色视频。其核心技术是基于 DiT 的扩散视频生成模型，能够高效生成高保真、时序一致的视频，特别适合需要多个角色和对话场景的创作。产品定位在为创作者提供工具，帮助他们实现想象力的无限可能。

AI 助力 Leetcode 面试，实时编码辅助。

Interview Coder 是一个专为 Leetcode 面试设计的 AI 工具，提供实时编码帮助，能够提升技术面试表现。它可以捕捉面试题目，并生成解决方案和调试建议。定价透明，提供免费和付费版本，满足不同用户的需求。

智元机器人发布的具身智能一站式开发平台，覆盖数据采集到模型推理全链路

Genie Studio 是智元机器人专为具身智能场景打造的一站式开发平台，具备数据采集、模型训练、仿真评测、模型推理的全链路产品能力。它为开发者提供从‘采’到‘训’到‘测’再到‘推’的标准化解决方案，极大地降低了开发门槛，提升了开发效率。该平台通过高效的数据采集、灵活的模型训练、精准的仿真评测和无缝的模型推理，推动了具身智能技术的快速发展和应用。Genie Studio 不仅提供了强大的工具，还为具身智能的规模化落地提供了支持，加速了行业向标准化、平台化、量产化的新阶段跃进。

新一代 AI 大模型智能体开发平台，快速搭建个性化智能体。

扣子是一个 AI 智能体开发平台，整合了丰富的能力如插件、长短期记忆、工作流等，旨在帮助用户快速构建和发布商业价值的智能体。其开放性和灵活性使得各行业用户都能找到合适的解决方案，适合个人和企业的不同需求。

全球首个无限时长电影生成模型，开启视频生成新时代

SkyReels-V2 是昆仑万维 SkyReels 团队发布的全球首个使用扩散强迫框架的无限时长电影生成模型。该模型通过结合多模态大语言模型、多阶段预训练、强化学习和扩散强迫框架来实现协同优化，突破了传统视频生成技术在提示词遵循、视觉质量、运动动态和视频时长协调上的重大挑战。它不仅为内容创作者提供了强大的工具，还开启了利用 AI 进行视频叙事和创意表达的无限可能。

一款 AI 驱动的互动头像引擎，适合 VTubing 和虚拟助手应用。

手工个性化引擎是一款整合了 Live2D、LLM、ASR、TTS 和 RVC 的 AI 互动头像引擎，旨在为 VTubing、直播和虚拟助手应用提供流畅的互动体验。该引擎能够通过 AI 技术赋予虚拟角色生动的个性和表现力，使其在游戏、社交和教育领域的应用成为可能。该产品适合希望创造生动、互动角色的开发者和内容创作者，具有易于使用和集成的优点，能够与现有的流媒体软件无缝连接。

基于 Intel Arc GPU 的 AI 图像生成与聊天机器人应用。

AI Playground 是一个开源项目，旨在为用户提供 AI 图像创建、图像风格化和聊天机器人的功能。它专为使用 Intel® Arc™ GPU 的 PC 设计，支持多种生成 AI 库和模型。此应用程序的主要优点在于其强大的图像生成能力和便捷的使用体验。适合 AI 开发者、设计师和爱好者，帮助他们探索和利用先进的 AI 技术。该软件为用户提供了自由选择和下载模型的灵活性，适合各种应用场景。

Blender 与 Claude AI 的集成，助力 3D 建模与场景创建。

Blender MCP 是一款将 Blender 与 Claude AI 通过模型上下文协议 (MCP) 相连的插件，使 AI 可以直接与 Blender 交互和控制。此集成极大提升了 3D 建模的效率，适合设计师和开发者使用。

一款基于 Vue3 + ElementPlus 的聊天应用，内置多个大语言模型。

PureChat 是一款结合 AI 和前沿技术的现代聊天应用，采用 Vue3 和 ElementPlus 构建，内置 OpenAI、Ollama、DeepSeek 等大语言模型。其主要优点包括支持 Markdown 渲染和聊天记录截图功能，极大提升了用户的沟通效率与体验。PureChat 致力于为开发者提供一个快速掌握现代技术的平台。

一个插件化网关，旨在优化 AI 基础设施的管理和安全。

MCP Gateway 是一个高级的中介解决方案，用于管理和增强模型上下文协议（MCP）服务器。它作为大型语言模型（LLM）与其他 MCP 服务器之间的中介，具备配置管理、请求响应拦截和统一接口等功能，能够保护敏感信息，确保安全且高效的 AI 服务。

轻松将现有代理框架中的工具、代理和调度器转换为 MCP 服务器。

automcp 是一个开源工具，旨在简化将各种现有代理框架（如 CrewAI、LangGraph 等）转换为 MCP 服务器的过程。这使得开发者可以通过标准化接口更容易地访问这些服务器。该工具支持多种代理框架的部署，并且通过易于使用的 CLI 界面进行操作。适合需要快速集成和部署 AI 代理的开发者，价格免费，适合个人和团队使用。

全能 AI 工具，提供绘图、写作、图片处理服务。

简单 AI 是一个全能的 AI 工具平台，致力于为用户提供多种 AI 服务，包括绘图、写作和在线图片处理等。其强大的功能帮助用户在各种设计需求中节省时间，提高工作效率。平台适合各类用户，从新手到专业人士都能轻松上手。该工具免费提供基本功能，也提供付费增值服务，满足不同用户的需求。

InternVL3开源：7种尺寸覆盖文、图、视频处理，多模态能力扩展至工业图像分析

InternVL3是由OpenGVLab开源发布的多模态大型语言模型（MLLM），具备卓越的多模态感知和推理能力。该模型系列包含从1B到78B共7个尺寸，能够同时处理文字、图片、视频等多种信息，展现出卓越的整体性能。InternVL3在工业图像分析、3D视觉感知等领域表现出色，其整体文本性能甚至优于Qwen2.5系列。该模型的开源为多模态应用开发提供了强大的支持，有助于推动多模态技术在更多领域的应用。

昆仑万维开源的高性能数学代码推理模型，性能卓越

Skywork-OR1是由昆仑万维天工团队开发的高性能数学代码推理模型。该模型系列在同等参数规模下实现了业界领先的推理性能，突破了大模型在逻辑理解与复杂任务求解方面的能力瓶颈。Skywork-OR1系列包括Skywork-OR1-Math-7B、Skywork-OR1-7B-Preview和Skywork-OR1-32B-Preview三款模型，分别聚焦数学推理、通用推理和高性能推理任务。此次开源不仅涵盖模型权重，还全面开放了训练数据集和完整训练代码，所有资源均已上传至GitHub和Huggingface平台，为AI社区提供了完全可复现的实践参考。这种全方位的开源策略有助于推动整个AI社区在推理能力研究上的共同进步。

使 AI 能够控制 Android 设备的强大自动化工具。

Droidrun 是一个强大的 Android 自动化工具，旨在使 AI 代理能够无缝地与 Android 应用程序进行互动。它结合了视觉理解和 UI 结构提取，为 AI 提供了一个强大的移动平台。Droidrun 目前处于等待名单阶段，面向个人开发者、小型团队和企业提供不同的解决方案。

一款通过生成模型提升图像生成一致性的工具。

UNO 是一个基于扩散变换器的多图像条件生成模型，通过引入渐进式跨模态对齐和通用旋转位置嵌入，实现高一致性的图像生成。其主要优点在于增强了对单一或多个主题生成的可控性，适用于各种创意图像生成任务。

使用微信聊天记录微调大语言模型，实现高质量声音克隆。

WeClone 是一个基于微信聊天记录微调大语言模型的项目，主要用于实现高质量的声音克隆和数字分身。它结合了微信语音消息和 0.5B 大模型，允许用户通过聊天机器人与自己的数字分身互动。该技术在数字永生和声音克隆领域具有重要的应用价值，可以让用户在不在场的情况下继续与他人交流。此项目正在快速迭代中，适合对 AI 和语言模型感兴趣的用户，且目前处于免费的开发阶段。

Dream 7B 是最强大的开放扩散大语言模型。

Dream 7B 是由香港大学 NLP 组和华为诺亚方舟实验室联合推出的最新扩散大语言模型。它在文本生成领域展现了优异的性能，特别是在复杂推理、长期规划和上下文连贯性等方面。该模型采用了先进的训练方法，具有强大的计划能力和灵活的推理能力，为各类 AI 应用提供了更为强大的支持。

探讨 Writer AI HQ在企业中的实际应用与价值。

Agentic AI 已成为 AI 领域中的热门词汇，尽管 AI 创新迅速增长，但大多数企业的成果依然平淡无奇。与 Writer 合作的客户，包括 Uber、Mars、Intuit 等，表示他们的 AI 应用是为数不多的成功案例之一，真正实现了用户采纳、规模化和投资回报率。我们将应用我们的端到端平台和专业知识，提供真正的 Writer AI HQ。

HiPixel 是一款用于 AI 驱动的图像超分辨处理的 macOS 桌面客户端应用。

HiPixel 是一款原生 macOS 应用程序，专为图像超分辨率处理而设计。它利用 Upscayl 的 AI 模型，提供高质量图像放大功能，且通过 GPU 加速实现快速处理，适合需要图像处理的设计师和摄影师。该产品在 macOS 平台上运行流畅，支持多种图像格式，并提供便捷的文件夹监控功能。HiPixel 的定位为高效的图像处理工具，旨在提高用户的工作效率。

一份由自主 AI 代理提供的每日 AI 时事通讯。

AGI News 是一个开源项目，利用自主 AI 代理技术收集并发送最新的 AI 新闻。该项目通过 Firecrawl、Resend 等工具搭建，致力于为用户提供精准及时的 AI 资讯。其主要优势在于自动化的信息收集和快速的信息发布，使得用户能够方便快捷地获取行业动态。

一款高效的推理与聊天大语言模型。

Llama-3.1-Nemotron-Ultra-253B-v1 是一个基于 Llama-3.1-405B-Instruct 的大型语言模型，经过多阶段的后训练以提升推理和聊天能力。该模型支持高达 128K 的上下文长度，具备较好的准确性和效率平衡，适用于商业用途，旨在为开发者提供强大的 AI 助手功能。