产品库

交互式分割和识别模型

Open-Vocabulary SAM是一个基于SAM和CLIP的视觉基础模型，专注于交互式分割和识别任务。它通过SAM2CLIP和CLIP2SAM两个独特的知识传输模块，实现了SAM和CLIP的统一框架。在各种数据集和检测器上的广泛实验表明，Open-Vocabulary SAM在分割和识别任务中的有效性，明显优于简单组合SAM和CLIP的朴素基准。此外，结合图像分类数据训练，该方法可以分割和识别大约22,000个类别。

AI交互式图书

Infinite Pages是一款使用人工智能生成交互式图书的产品。用户可以成为自己个性化书籍的主角，由AI插图和写作。无限页的优势在于提供了个性化的阅读体验，同时也为用户提供了创作的机会。该产品的定价为每本书$9.99。无限页的定位是为那些寻求新颖阅读体验的用户提供服务。

开源视觉基础模型

InternVL通过将ViT模型扩展到60亿参数并与语言模型对齐,构建出目前最大的14B开源视觉基础模型,在视觉感知、跨模态检索、多模态对话等广泛任务上取得了32项state-of-the-art性能。

零镜像分割框架

pix2gestalt是一个用于零镜像分割的框架，通过学习估计部分可见对象的整体形状和外观。利用大规模扩散模型，并将它们的表示转移到这一任务，学习用于在具有挑战性的零镜像情况下重建整个对象的条件扩散模型，包括打破自然和物理先验的艺术等例子。我们使用合成策划的数据集作为训练数据，其中包含遮挡对象及其完整对应物。实验证明，我们的方法在已建立的基准测试上优于监督基线。此外，我们的模型还可用于显著改善现有对象识别和三维重建方法在存在遮挡的情况下的性能。

快速创建交互式产品演示

Layerpath是最快的创建交互式演示的方法。捕捉和转换屏幕录像成为产品演示、逐步指南和视频。通过播放列表、潜在客户表单和分析功能来组织和衡量用户的参与度。

连接多个AI模型，轻松创建交互式网络

AI-Flow是一个开源、用户友好的UI应用程序，可创建具有不同AI模型的交互式网络。它可以方便地连接多个AI模型，以实现多角度响应各种提示的功能。AI-Flow支持通过编辑流程图的方式，设计定制化的AI网络。用户可以轻松地创建、保存和共享自己的AI网络，并通过改变初始输入来实验不同的输出结果。AI-Flow还支持从外部数据源获取内容，并可以用于生成内容或对生成的内容提供即时反馈。

ChatGPT风格的交互式AI代理

Prompt Keeps是一个让您在几分钟内创建个性化AI的平台。它可以帮助您创建自己的ChatGPT风格的AI，用于各种应用场景。它提供了丰富的功能和优势，并根据不同的定价方案进行定位。无论是个人还是企业，Prompt Keeps都可以替代人工专家，为您提供高质量的AI服务。

创建交互式演示和指南

Supademo是最快、最简单的交互式演示平台。通过添加上下文支持文档，更容易关闭交易并加速客户入门。免费且无需编码。

将文本转换为交互式地 图

Textomap是最快、最简单的方式来创建任何目的的交互式map。节省数小时的繁琐工作，专注于撰写优质内容。在移动浏览器上创建和编辑map，无需打开笔记本电脑或下载应用程序。

基于强化学习技术的视觉思考模型，理科测试行业领先

Kimi视觉思考模型k1是基于强化学习技术打造的AI模型，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。在数学、物理、化学等基础科学学科的基准能力测试中，k1模型的表现超过了全球标杆模型。k1模型的发布标志着AI在视觉理解和思考能力上的新突破，尤其在处理图像信息和基础科学问题上展现出色的表现。

利用大型语言模型生成交互式图表

Interactive Graph by LLM 是一个基于大型语言模型(LLM)的网站，它允许用户通过自然语言提示生成交互式图表。这项技术的重要性在于它简化了数据可视化的过程，使得非技术用户也能够轻松创建和理解复杂的数据。产品背景信息包括其创新的交互方式和对数据可视化的贡献。目前产品处于免费试用阶段，定位于希望简化数据展示流程的企业和个人。

交互式教程，学习如何构建优化的提示。

Anthropic的交互式教程旨在提供全面的分步指导，教授如何在Claude内构建最优的提示。教程由9章组成，每章都附有练习，以及一个附录，包含更高级的方法。教程使用Anthropic最小的、最快的、最便宜的模型Claude 3 Haiku，还有更智能的Claude 3 Sonnet和Claude 3 Opus模型。教程也存在于使用Anthropic的Claude for Sheets扩展的Google Sheets上，推荐使用该版本，因为它更用户友好。

一种用于图像和视频的视觉分割基础模型。

Segment Anything Model 2 (SAM 2)是Meta公司AI研究部门FAIR推出的一个视觉分割模型，它通过简单的变换器架构和流式内存设计，实现实时视频处理。该模型通过用户交互构建了一个模型循环数据引擎，收集了迄今为止最大的视频分割数据集SA-V。SAM 2在该数据集上训练，提供了在广泛任务和视觉领域中的强大性能。

快速易用的交互式培训视频制作工具

Weet是一款快速易用的交互式培训视频制作工具，可用于录制、编辑和分享培训视频。功能包括屏幕录制、自动生成字幕、实时协作、添加交互元素等。适用于创建培训视频、演示视频、工作指南等。价格请咨询官方网站。

掌握开放世界交互的视觉-时间上下文提示模型

ROCKET-1是一个视觉-语言模型(VLMs)，专门针对开放世界环境中的具身决策制定而设计。该模型通过视觉-时间上下文提示协议，将VLMs与策略模型之间的通信连接起来，利用来自过去和当前观察的对象分割来指导策略-环境交互。ROCKET-1通过这种方式，能够解锁VLMs的视觉-语言推理能力，使其能够解决复杂的创造性任务，尤其是在空间理解方面。ROCKET-1在Minecraft中的实验表明，该方法使代理能够完成以前无法实现的任务，突出了视觉-时间上下文提示在具身决策制定中的有效性。

交互式基于点的生成对抗网络图像操控

Drag Your GAN是一个交互式的点操作生成对抗网络（GAN）的工具。它通过拖动图像上的点来精确控制生成图像的姿态、形状、表情和布局。通过Drag Your GAN，用户可以操纵不同类别的图像，如动物、汽车、人类、风景等。这些操纵是在学习的生成图像流形上进行的，因此即使在挑战性场景下（如幻象遮挡内容和保持对象刚性形变），也能产生逼真的输出。Drag Your GAN优于先前方法在图像操作和点跟踪任务上的表现。

交互式基于点的生成对抗网络图像操控

Drag Your GAN是一款交互式基于点的生成对抗网络（GAN）图像操控工具。通过拖动图像中的点来精确地操控图像的姿态、形状、表情和布局。该工具通过两个主要组件实现：1）基于特征的运动监督，使点的位置朝目标位置移动；2）一种新的点追踪方法，利用判别GAN特征来不断定位点的位置。用户可以操控各种类别的图像，如动物、汽车、人物、风景等。通过在GAN学习的图像空间上进行操控，该工具能够产生逼真的输出，甚至能够处理挑战性场景，如生成遮挡内容和保持对象形状的连贯性。该工具在图像操控和点追踪任务上优于现有方法，同时还展示了通过GAN反演对真实图像进行操控的能力。

音频驱动的交互式头部生成框架，用于双人对话。

INFP是一个音频驱动的交互式头部生成框架，专为双人对话设计。它可以根据双人对话中的双轨音频和一个任意代理的单人肖像图像动态合成具有逼真面部表情和节奏性头部姿态动作的言语、非言语和交互式代理视频。该框架轻量而强大，适用于视频会议等即时通讯场景。INFP代表交互式(Interactive)、自然(Natural)、快速(Flash)和通用(Person-generic)。

将数据一键转换为交互式可视化应用。

PyGWalker是一个Python库，能够将数据轻松转换为交互式可视化应用，支持一键分享。它提供了数据清洗、注释和实时分析视图等功能，使得数据分析变得简单且可扩展。

一个开源的交互式开发环境，用于构建和优化基于LLM的数据处理管道。

DocWrangler是一个开源的交互式开发环境，旨在简化构建和优化基于大型语言模型（LLM）的数据处理管道的过程。它提供即时反馈、可视化探索工具和AI辅助功能，帮助用户更容易地探索数据、实验不同操作并根据发现优化管道。该产品基于DocETL框架构建，适用于处理非结构化数据，如文本分析、信息提取等。它不仅降低了LLM数据处理的门槛，还提高了工作效率，使用户能够更有效地利用LLM的强大功能。

用AI打造逼真的虚拟角色，为游戏、VR、教育等领域提供交互式体验

Charisma是一个易于使用的平台，可创建逼真和生动的虚拟角色。Charisma的对话引擎由先进的机器学习技术驱动，可用于游戏、VR、教育等领域，为用户提供交互式体验。Charisma支持多种语言，可轻松连接到Unreal Engine、Unity、移动设备和元宇宙。Charisma的实时分析功能可提供即时反馈和动态叙事。Charisma的使用场景包括娱乐、教育、培训等领域，可用于创造历史或虚构人物的对话，使复杂的故事或课程更具吸引力和记忆性。Charisma是一个免费的平台，可用于创建和发布交互式故事。

基于Groq的极速AI聊天机器人，提供实时交互式股票图表和信息。

StockBot是一款由Groq支持的AI聊天机器人，利用Llama3 70b在Groq上的Vercel AI SDK和TradingView的实时小部件，以对话形式回应实时、互动的图表和界面，专门针对您的请求。Groq的速度使得工具调用和提供近乎即时的响应成为可能，允许进行两次API调用，使用不同的专业提示返回响应。请注意：StockBot可能提供不准确的信息，不提供投资建议。它仅供娱乐和教学使用。

无需编码，将电子表格转为交互式仪表板

Spreadsite是一款利用人工智能技术，将电子表格数据转化为美观、交互式的网页仪表板的在线服务。用户无需具备编程知识，即可通过上传CSV文件，经过平台的数据处理和用户界面生成，快速创建个性化的数据分析和展示平台。产品提供了多种数据可视化模板，支持数据共享，适合个人及企业用户，拥有基础版和企业版两种订阅方案。

开源的语音识别和说话人分割模型推理代码

Reverb 是一个开源的语音识别和说话人分割模型推理代码，使用 WeNet 框架进行语音识别 (ASR) 和 Pyannote 框架进行说话人分割。它提供了详细的模型描述，并允许用户从 Hugging Face 下载模型。Reverb 旨在为开发者和研究人员提供高质量的语音识别和说话人分割工具，以支持各种语音处理任务。

Muse 是微软推出的首个用于游戏创意构思的生成式 AI 模型，能够生成游戏视觉效果和操作动作。

Muse 是微软研究团队与 Xbox Games Studios 合作开发的生成式 AI 模型，旨在支持游戏创意构思。它基于大规模人类游戏数据训练，能够生成连贯的游戏视觉和操作序列。该技术展示了 AI 在游戏设计中的潜力，为未来的游戏开发提供了新的创作方式和体验。

将任何GitHub仓库转换成交互式图表，用于项目可视化。

GitDiagram是一个在线工具，可以将GitHub上的任何仓库转换成交互式图表，便于用户快速理解和可视化项目结构。这个工具对于开发者和项目管理者来说非常重要，因为它可以帮助他们更直观地理解代码库的组织结构和依赖关系。GitDiagram的背景信息显示，它是由开发者Ahmed Khaleel创建的，并且可以通过API和GitHub访问。产品目前是免费的，并且可以通过替换GitHub URL中的'hub'为'diagram'来使用。

NVIDIA ACE是一套用于创建数字人类、AI非玩家角色和交互式头像的生成式AI技术套件。

NVIDIA ACE提供了一套先进的生成式AI模型和微服务，易于部署且性能优越。这些AI模型基于商业安全、负责任许可的数据进行训练，并通过微调和防护措施确保无论用户输入如何，都能提供准确、恰当、切题的结果。ACE支持灵活的部署选项，可以在云端或NVIDIA RTX AI PC上部署和运行。此外，ACE还提供了数字人类工作流程，允许开发者将ACE NIMs集成到他们的产品、工具、服务或游戏中，用于特定领域的AI工作流程，如NPC和客户服务助手。NVIDIA还与Inworld AI合作，展示了将NVIDIA ACE集成到一个端到端NPC平台中的示例，该平台在Unreal Engine 5中提供了尖端的视觉效果。

创建、动画化和部署具有情感智能的交互式角色的平台

Rapport 是一个创新的平台，专注于创建和部署具有情感智能的交互式角色。它支持多语言对话解决方案，如 ChatGPT、Google Gemini 和 Amazon Lex 等，并提供多种合成语音和语音识别功能。Rapport 的核心优势在于其强大的实时交互能力和多平台支持，能够满足教育、企业培训、娱乐等多领域的应用需求。其免费的 Explorer 阶梯提供无限 20 分钟的会话，而 Creator 阶梯则提供更多高级功能，如自定义角色和无品牌发布。Rapport 的目标是通过情感智能技术提升用户体验，推动交互式内容的发展。