产品库

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。

下一代视频和图像实时对象分割模型。

Meta Segment Anything Model 2 (SAM 2)是Meta公司开发的下一代模型，用于视频和图像中的实时、可提示的对象分割。它实现了最先进的性能，并且支持零样本泛化，即无需定制适配即可应用于之前未见过的视觉内容。SAM 2的发布遵循开放科学的方法，代码和模型权重在Apache 2.0许可下共享，SA-V数据集也在CC BY 4.0许可下共享。

AI图像处理技术，为您的图片增添纹理，实时创建惊艳的视觉变换。

RetextureAI利用AI技术实现图像处理，能够快速为图片增添纹理，实现视觉上的瞬间变换。其主要优点在于提供先进的纹理生成功能，让用户轻松实现图片的艺术化处理。

实时语音提取智能耳机交互系统

LookOnceToHear 是一种创新的智能耳机交互系统，允许用户通过简单的视觉识别来选择想要听到的目标说话者。这项技术在 CHI 2024 上获得了最佳论文荣誉提名。它通过合成音频混合、头相关传输函数(HRTFs)和双耳房间脉冲响应(BRIRs)来实现实时语音提取，为用户提供了一种新颖的交互方式。

GPT-4o，一款能够实时处理音频、视觉和文本的旗舰模型。

GPT-4o（'o'代表'omni'）是自然人机交互的重要一步，它可以接受任意组合的文本、音频、图像和视频输入，并生成任意组合的文本、音频和图像输出。它在音频输入响应上的速度极快，平均响应时间仅为320毫秒，与人类对话的响应时间相近。在非英语文本处理上取得了显著进步，同时在API上速度更快且成本降低了50%。GPT-4o在视觉和音频理解方面也比现有模型更出色。

Soundlabs AI 提供下一代音频工具，专为音乐专业人士设计，可实时转换声音和乐器。

Soundlabs AI 是一款面向音乐制作人的音频工具，专注于实时声音和乐器转换。它通过先进的 AI 技术，将用户的声音转换为高质量的虚拟歌手或乐器音色，无缝集成到任何数字音频工作站（DAW）中。该技术的主要优点包括实时转换、高质量音频输出以及丰富的音色模型库。Soundlabs AI 不仅提升了音乐创作的灵活性，还为创作者提供了无限的创意可能性，无论是在流行音乐、电子音乐还是其他流派中都能发挥重要作用。其价格定位明确，提供多种购买选项，包括一次性购买和订阅服务，满足不同用户的需求。

利用 AI 技术，一键从图片中提取设计元素。

AI 智能图像分割是一款基于 Figma 的插件，利用先进的 Segment Anything 模型 (SAM) 和 🤗 Transformers.js 技术，为设计师和艺术家提供了一个交互式和精确的图像分割工具。它通过点击交互的方式，简化了从图像中提取对象或区域的过程，极大提升了设计效率，释放了创造力。该插件免费使用且开源，允许用户自定义并为其开发做出贡献。

实时视频到视频翻译的扩散模型

StreamV2V是一个扩散模型，它通过用户提示实现了实时的视频到视频（V2V）翻译。与传统的批处理方法不同，StreamV2V采用流式处理方式，能够处理无限帧的视频。它的核心是维护一个特征库，该库存储了过去帧的信息。对于新进来的帧，StreamV2V通过扩展自注意力和直接特征融合技术，将相似的过去特征直接融合到输出中。特征库通过合并存储的和新的特征不断更新，保持紧凑且信息丰富。StreamV2V以其适应性和效率脱颖而出，无需微调即可与图像扩散模型无缝集成。

智能视频对象分割技术

SAM是一个先进的视频对象分割模型，它结合了光学流动和RGB信息，能够发现并分割视频中的移动对象。该模型在单对象和多对象基准测试中均取得了显著的性能提升，同时保持了对象的身份一致性。

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。

将文本分割成 3000 个字的块

ChatGPT Text Divider是一个在线工具，可以将长篇文本分割成 3000 个字的块。它适用于需要处理大量文本的用户，例如研究人员、作家、编辑等。使用该工具，用户只需将文本粘贴进输入框，点击 “分割文本” 按钮即可得到分割后的文本块。用户还可以将分割后的文本块导出为文件以便后续处理。

实时视频生成技术

PAB 是一种用于实时视频生成的技术，通过 Pyramid Attention Broadcast 实现视频生成过程的加速，提供了高效的视频生成解决方案。该技术的主要优点包括实时性、高效性和质量保障。PAB 适用于需要实时视频生成能力的应用场景，为视频生成领域带来了重大突破。

零样本视觉跟踪模型，具有运动感知记忆。

SAMURAI是一种基于Segment Anything Model 2 (SAM 2)的视觉对象跟踪模型，专门设计用于处理快速移动或自遮挡对象的视觉跟踪任务。它通过引入时间运动线索和运动感知记忆选择机制，有效预测对象运动并优化掩膜选择，无需重新训练或微调即可实现鲁棒、准确的跟踪。SAMURAI能够在实时环境中运行，并在多个基准数据集上展现出强大的零样本性能，证明了其无需微调即可泛化的能力。在评估中，SAMURAI在成功率和精确度上相较于现有跟踪器取得了显著提升，例如在LaSOT-ext上AUC提升了7.1%，在GOT-10k上AO提升了3.5%。此外，与LaSOT上的全监督方法相比，SAMURAI也展现出了竞争力，强调了其在复杂跟踪场景中的鲁棒性以及在动态环境中的潜在实际应用价值。

C++实现的零代码分割分割器

Sam是一个使用C++从头实现的图像分割模型。它能够对图像进行像素级分割,定位对象边界,无需任何额外代码和注释。Sam基于Meta的Segment Anything Model,利用Transformer架构进行端到端的图像分割预测。它提供了简单易用的C++接口,支持命令行和图形界面两种使用方式。Sam可以高效运行在CPU上,模型小巧,同时保证了良好的分割精度。它非常适合在需要高性能但无法使用GPU的嵌入式环境中部署和使用图像分割模型。

用于手术视频分割的先进模型

Segment Anything 2 for Surgical Video Segmentation 是一个基于Segment Anything Model 2的手术视频分割模型。它利用先进的计算机视觉技术，对手术视频进行自动分割，以识别和定位手术工具，提高手术视频分析的效率和准确性。该模型适用于内窥镜手术、耳蜗植入手术等多种手术场景，具有高精度和高鲁棒性的特点。

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。

实时零唇语音转换的流式上下文感知语言建模

StreamVoice是一种基于语言模型的零唇语音转换模型，可实现实时转换，无需完整的源语音。它采用全因果上下文感知语言模型，结合时间独立的声学预测器，能够在每个时间步骤交替处理语义和声学特征，从而消除对完整源语音的依赖。为了增强在流式处理中可能出现的上下文不完整而导致的性能下降，StreamVoice通过两种策略增强了语言模型的上下文感知性：1）教师引导的上下文预见，在训练过程中利用教师模型总结当前和未来的语义上下文，引导模型对缺失上下文进行预测；2）语义屏蔽策略，促进从先前受损的语义和声学输入进行声学预测，增强上下文学习能力。值得注意的是，StreamVoice是第一个基于语言模型的流式零唇语音转换模型，无需任何未来预测。实验结果表明，StreamVoice具有流式转换能力，同时保持与非流式语音转换系统相媲美的零唇性能。

RF-DETR 是由 Roboflow 开发的实时目标检测模型。

RF-DETR 是一个基于变压器的实时目标检测模型，旨在为边缘设备提供高精度和实时性能。它在 Microsoft COCO 基准测试中超过了 60 AP，具有竞争力的性能和快速的推理速度，适合各种实际应用场景。RF-DETR 旨在解决现实世界中的物体检测问题，适用于需要高效且准确检测的行业，如安防、自动驾驶和智能监控等。

自监督学习框架，用于音视觉语音处理

AV-HuBERT是一个自监督表示学习框架，专门用于音视觉语音处理。它在LRS3音视觉语音基准测试中实现了最先进的唇读、自动语音识别（ASR）和音视觉语音识别结果。该框架通过掩蔽多模态聚类预测来学习音视觉语音表示，并且提供了鲁棒的自监督音视觉语音识别。

用于训练通用目标分割模型的视频数据集

SA-V Dataset是一个专为训练通用目标分割模型设计的开放世界视频数据集，包含51K个多样化视频和643K个时空分割掩模（masklets）。该数据集用于计算机视觉研究，允许在CC BY 4.0许可下使用。视频内容多样，包括地点、对象和场景等主题，掩模从建筑物等大规模对象到室内装饰等细节不等。

开源跨平台的机器学习框架,能够轻松地在不同设备上构建机器学习应用

MediaPipe是一个由Google开发的开源跨平台机器学习框架,它能够帮助开发者通过简单的API轻松地在不同设备(手机、平板、浏览器、IoT设备等)上构建复杂的机器学习模型和应用。MediaPipe支持多种编程语言,内置了人脸识别、手势识别、目标追踪等多种预训练模型,开发者可以快速集成这些模型来开发智能应用。MediaPipe还支持模型压缩和量化技术,可以将模型大小缩小10倍以上,这对于在移动端部署机器学习模型非常有利。总体来说,MediaPipe是一个非常易用和高效的机器学习开发框架。

AI智能图像处理工具

Skyglass是一款AI智能图像处理工具，提供图像识别、图像增强、图像分割等功能，帮助用户快速优化和处理图像，提高工作效率。定价灵活，适用于个人用户和企业用户，定位于提供高效、简单易用的图像处理解决方案。

实时数据提取和检索框架

Indexify是一个开源数据框架，具有实时提取引擎和预构建的提取适配器，能够可靠地从各种非结构化数据（文档、演示文稿、视频和音频）中提取数据。它支持多模态数据，提供先进的嵌入和分块技术，并允许用户使用Indexify SDK创建自定义提取器。Indexify支持使用语义搜索和SQL查询图像、视频和PDF，确保LLM应用能够获取最准确、最新的数据。此外，Indexify能够在本地运行时进行原型设计，并在生产环境中利用预配置的Kubernetes部署模板，实现自动扩展和处理大量数据。

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。

AI驱动的图像分割工具，实现精准的背景与前景分离。

Matting by Generation是一个利用人工智能技术进行图像分割的在线工具。它能够识别图像中的前景和背景，实现精准分离，广泛应用于设计、视频制作和图像编辑等领域。产品的主要优点包括高效率、易操作和高质量的分割效果。

Verizon AI Connect 是一套用于管理和扩展 AI 资源密集型工作负载的策略和产品解决方案。

Verizon AI Connect 是 Verizon 推出的一套面向企业的 AI 解决方案，旨在帮助企业充分利用强大的 AI 能力。该产品利用 Verizon 网络的低延迟、高带宽和智能边缘功能，支持实时 AI 工作负载。它为企业提供了灵活的连接选项，能够按需扩展并优化动态网络路径，同时确保数据安全和合规。Verizon AI Connect 通过整合先进的网络基础设施和 AI 能力，为企业提供了一个强大的平台，以推动业务创新和数字化转型。

实时优化的计算机视觉库

OpenCV是一个实时优化的计算机视觉库，提供了一套功能强大的工具和硬件支持。它还支持机器学习（ML）和人工智能（AI）模型的执行。OpenCV是开源的，免费商用。

增强文本与视觉任务处理能力的开源模型。

Mistral-Small-3.1-24B-Base-2503 是一款具有 240 亿参数的先进开源模型，支持多语言和长上下文处理，适用于文本与视觉任务。它是 Mistral Small 3.1 的基础模型，具有较强的多模态能力，适合企业需求。

视频非可见物体分割与内容补全的先进研究

这是一个由卡内基梅隆大学提出的视频非可见物体分割和内容补全的模型。该模型通过条件生成任务的方式，利用视频生成模型的基础知识，对视频中的可见物体序列进行处理，以生成包括可见和不可见部分的物体掩码和RGB内容。该技术的主要优点包括能够处理高度遮挡的情况，并且能够对变形物体进行有效的处理。此外，该模型在多个数据集上的表现均优于现有的先进方法，特别是在物体被遮挡区域的非可见分割上，性能提升高达13%。

一个用于说话人分割的工具包

DiariZen是一个基于AudioZen和Pyannote 3.1驱动的说话人分割工具包。说话人分割是音频处理中的一个关键步骤，它能够将一段音频中的不同说话人进行区分。这项技术在会议记录、电话监控、安全监听等多个领域都有广泛的应用。DiariZen的主要优点包括易于使用、高准确性和开源，使得研究人员和开发者可以自由地使用和改进它。DiariZen在GitHub上以MIT许可证发布，这意味着它是完全免费的，并且可以被商业使用。