产品库

多模型对话，文生图

Silo是一个专注于多模型对话的平台，它通过整合不同的对话模型，为用户提供丰富、深入的交流体验。该平台不仅能够处理文本对话，还能生成图像，为用户提供视觉化的交流方式。Silo的背景信息显示，它是一个创新的尝试，旨在通过技术手段打破传统对话的局限，让交流更加生动和有趣。目前，Silo提供免费试用，具体价格和定位尚未明确。

开源双语文生图生成模型

Taiyi-Diffusion-XL是一个开源的基于Stable Diffusion训练的双语文生图生成模型,支持英文和中文的文本到图像生成,相比之前的中文文生图模型有了显著提升。它可以根据文本描述生成照片般逼真的图像,支持多种图像风格,具有较高的生成质量和多样性。该模型采用创新的训练方式,扩展了词表、位置编码以支持长文本和中文,并在大规模双语数据集上进行训练,确保了其强大的中英文生成能力。

Stability AI推出高效低阈值文生图AI模型

Stable Cascade是一个基于Würstchen架构的文本到图像生成模型,相比其他模型使用更小的潜在空间进行训练和推理,因此在训练和推理速度上都有显著提升。该模型可以在消费级硬件上运行,降低了使用门槛。Stable Cascade在人类评估中表现突出,无论是在提示对齐还是图像质量上都超过了其他模型。总体而言,这是一个高效、易用、性能强劲的文生图AI模型。

人工智能领域的多轮对话处理专家

汉王天地大模型是汉王科技推出的一款专注于人工智能领域的大语言模型，拥有30年的行业积累。它能够实现多轮对话，高效处理任务，并深耕办公、教育、人文等多个垂直细分领域。该模型通过从人类反馈中进行强化学习，不断优化自身智能，提供包括智能校对、自动翻译、法律咨询、绘画生成、文案生成等在内的多样化服务，以赋能法律、人文、办公、教育、医养等行业，提升效率和创意。

开源多语言多模态对话模型

GLM-4系列是智谱AI推出的新一代预训练模型，包括GLM-4-9B、GLM-4-9B-Chat、GLM-4-9B-Chat-1M和GLM-4V-9B。这些模型在语义理解、数学推理、代码执行等方面表现出色，支持多达26种语言，并具备网页浏览、代码执行等高级功能。GLM-4V-9B模型还具备高分辨率的视觉理解能力，适合多模态应用场景。

基于ChatGLM2模型开发，支持多轮对话

智谱清言是一款基于ChatGLM2模型开发的人工智能应用，具备内容创作、信息归纳总结等能力。该产品采用大模型ChatGLM-6B、GLM-130B等，支持多种语言，可广泛应用于各种场景，包括客服、教育、医疗等领域。定价方案灵活，可根据客户需求进行定制。

AI实时对话，超低延迟

WhisperFusion是一款基于WhisperLive和WhisperSpeech功能的产品，通过在实时语音转文字流程中集成Mistral大型语言模型（LLM）来实现与AI的无缝对话。Whisper和LLM均经过TensorRT引擎优化，以最大程度提升性能和实时处理能力。WhisperSpeech则使用torch.compile来优化。产品定位于提供超低延迟的AI实时对话体验。

多平台思维导图软件，创意破茧而出

亿图脑图是一款多平台思维导图软件，可用于 Windows，Mac 和 Linux 等桌面环境，也可以在线使用或在苹果，安卓等移动端上使用。集成思维导图社区和云平台，专业版本提供比免费版本更强大的特色功能。

第二代多模态预训练对话模型

CogVLM2是由清华大学团队开发的第二代多模态预训练对话模型，它在多个基准测试中取得了显著的改进，支持8K内容长度和1344*1344的图像分辨率。CogVLM2系列模型提供了支持中文和英文的开源版本，能够与一些非开源模型相媲美的性能。

强大的数学和编程模型，具备高度连贯性和多轮对话能力。

Mistral-22b-v.02 是一个强大的模型，展现出出色的数学才能和编程能力。相较于V1，V2模型在连贯性和多轮对话能力方面有显著提升。该模型经过重新调整取消了审查，能够回答任何问题。训练数据主要包括多轮对话，特别强调编程内容。此外，模型具备智能体能力，可执行真实世界任务。训练采用了32k的上下文长度。在使用时需遵循GUANACO提示格式。

ChatGPT与Youtube的互动AI对话

Chat With Youtube是一个能够与YouTube视频进行互动AI对话的平台。用户只需粘贴YouTube视频链接即可开始与AI驱动的对话。该产品具有以下功能：1.与任何YouTube视频进行对话；2.智能分析视频内容；3.保存聊天记录；4.多种产品使用示例。Chat With Youtube适用于各种使用场景，包括学习、娱乐等。产品定价和定位请参考官方网站。

字节跳动自研大模型，提供多模态能力

豆包大模型是字节跳动推出的自研大模型，通过内部50+业务场景实践验证，每日万亿级tokens大使用量持续打磨，提供多模态能力，以优质模型效果为企业打造丰富的业务体验。产品家族包括多种模型，如通用模型、视频生成、文生图、图生图、同声传译等，满足不同业务需求。

开源多模态预训练模型，具备中英双语对话能力。

GLM-4V-9B是智谱AI推出的新一代预训练模型，支持1120*1120高分辨率下的中英双语多轮对话，以及视觉理解能力。在多模态评测中，GLM-4V-9B展现出超越GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max和Claude 3 Opus的卓越性能。

提高对话GPT技能的互动课程

TeamGPT是一门互动课程，旨在提高对话GPT模型的使用技能。课程包括GPT模型的原理、ChatGPT的重要知识点、与人工智能对话的基本技能等。课程内容包括超过100个实践提示、100个练习、100个额外注释、数千个使用案例以及实用的PDF文件。通过这门课程，您将获得对话GPT模型的深入理解，并能够熟练运用。

实时对话智能软件

Colibri.ai是一款实时对话智能软件，帮助您改进每个销售电话，以可行的对话智能、AI触发的实时提示卡和数据驱动的指导，赢得更多交易。它提供自动会议摘要、强大的通话分析、实时AI指导和辅导，提高销售效率，更快地赢得交易。

神经模型驱动的实时游戏引擎

GameNGen是一个完全由神经模型驱动的游戏引擎，能够实现与复杂环境的实时互动，并在长时间轨迹上保持高质量。它能够以每秒超过20帧的速度交互式模拟经典游戏《DOOM》，并且其下一帧预测的PSNR达到29.4，与有损JPEG压缩相当。人类评估者在区分游戏片段和模拟片段方面仅略优于随机机会。GameNGen通过两个阶段的训练：(1)一个RL-agent学习玩游戏并记录训练会话的动作和观察结果，成为生成模型的训练数据；(2)一个扩散模型被训练来预测下一帧，条件是过去的动作和观察序列。条件增强允许在长时间轨迹上稳定自回归生成。

情商智商俱佳的多模态大模型

西湖大模型是心辰智能云推出的一款具有高情商和智商的多模态大模型，它能够处理包括文本、图像、声音等多种数据类型，为用户提供智能对话、写作、绘画、语音等AI服务。该模型通过先进的人工智能算法，能够理解和生成自然语言，适用于多种场景，如心理咨询、内容创作、客户服务等，具有高度的定制性和灵活性。西湖大模型的推出，标志着心辰智能云在AI领域的技术实力和创新能力，为用户提供了更加丰富和高效的智能服务体验。

实时表情生成人类模型

PROTEUS是Apparate Labs推出的一款下一代基础模型，用于实时表情生成人类。它采用先进的transformer架构的潜在扩散模型，创新的潜在空间设计实现了实时效率，并能通过进一步的架构和算法改进，达到每秒100帧以上视频流。PROTEUS旨在提供一种通过语音控制的视觉体现，为人工对话实体提供直观的接口，并且与多种大型语言模型兼容，可定制用于多种不同应用。

实时多模态智能，适用于每台设备。

Cartesia提供实时多模态智能技术，旨在为各种设备提供服务。产品包括Sonic和On-Device两大核心功能。Sonic是快速、超逼真的生成性语音API，由下一代状态空间模型驱动。On-Device提供实时模型，能够在用户的设备上进行快速、私密、离线的推理。Cartesia的产品背景是满足用户对于实时智能服务的需求，特别是在隐私和速度方面。产品定位于提供高效、安全的技术解决方案，以支持各种设备上的智能应用。

智能聊天对话，支持多模型聊天。

共鸣Chat是一款智能聊天对话应用，支持OpenAI多模型聊天，提供1:1官方API价格，免翻墙，超高并发不限速，为用户带来流畅的聊天体验。

VITA-1.5: 实时视觉和语音交互的GPT-4o级多模态大语言模型

VITA-1.5 是一款开源的多模态大语言模型，旨在实现接近实时的视觉和语音交互。它通过显著降低交互延迟和提升多模态性能，为用户提供更流畅的交互体验。该模型支持英语和中文，适用于多种应用场景，如图像识别、语音识别和自然语言处理等。其主要优点包括高效的语音处理能力和强大的多模态理解能力。

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。

一张图生成多视角扩散基础模型

Zero123++是一个单图生成多视角一致性扩散基础模型。它可以从单个输入图像生成多视角图像，具有稳定的扩散VAE。您可以使用它来生成具有灰色背景的不透明图像。您还可以使用它来运行深度ControlNet。模型和源代码均可在官方网站上获得。

与您喜爱的AI角色实时对话

InterAIct是一款实时对话应用，用户可以选择与不同AI角色进行对话，包括心理学家、虚拟助手等。该应用提供实时通知功能，用户可以随时查看通知并打开用户菜单进行操作。无论是需要心理咨询还是日常闲聊，InterAIct都能满足您的需求。

构建GPT-4级别的对话问答模型

ChatQA是一系列对话问答（QA）模型，可以达到GPT-4级别的准确性。我们提出了一种两阶段指导调优方法，可以显著提高大型语言模型（LLMs）的零射击对话QA结果。为了处理对话式QA中的检索，我们在多轮QA数据集上对密集检索器进行微调，这提供了与使用最先进的查询重写模型相当的结果，同时大大降低了部署成本。值得注意的是，我们的ChatQA-70B在10个对话QA数据集的平均得分上可以胜过GPT-4（54.14 vs. 53.90），而不依赖于OpenAI GPT模型的任何合成数据。

趣味互动式的聊天页面，提供娱乐体验。

和麦麦对话是一个趣味互动式的聊天网站，用户可以与页面上的虚拟角色麦麦进行对话，享受轻松幽默的交流体验。该产品以其独特的互动性和娱乐性为主要优点，背景信息显示，它可能是一个用于娱乐和放松的在线平台。产品定位于提供轻松的在线互动体验，价格方面，目前看起来是免费的。

从单一视频创建实时互动游戏环境

Video2Game是一项技术，可以将单一视频转换成具有实时、互动、真实感和浏览器兼容性的高质量虚拟环境。它通过构建大规模的NeRF模型来实现高质量的表面几何形状，然后将该模型转换为带有对应刚体动力学的网格表示，以支持交互。使用UV映射的神经纹理，既能表达丰富，又与游戏引擎兼容。最终得到的是一个虚拟环境，虚拟角色可以与之互动，响应用户控制，并能从新的相机视角实时提供高分辨率渲染。

基于大型多模态模型构建端到端网络代理

WebVoyager是一款创新的大型多模态模型（LMM）驱动的网络代理，能够通过与现实世界的网站交互，端到端完成用户指令。我们提出了一种新的网络代理评估协议，以解决开放式网络代理任务的自动评估挑战，利用GPT-4V的强大多模态理解能力。我们从15个广泛使用的网站收集了真实世界任务，用于评估我们的代理。我们展示了WebVoyager实现了55.7%的任务成功率，明显超过了GPT-4（所有工具）和WebVoyager（仅文本）设置的性能，突显了WebVoyager在实际应用中的卓越能力。我们发现我们提出的自动评估与人类判断达成了85.3%的一致性，为在真实世界环境中进一步发展网络代理铺平了道路。

实时多模态内容审核平台

Seyft AI 是一个实时的多模态内容审核平台，能够过滤文本、图像和视频中的有害和不相关内容，确保合规性，并为不同的语言和文化背景提供个性化解决方案。该平台的主要优点包括实时审核、多语言支持、无需人工干预的图像和视频审核，以及易于集成的API。Seyft AI 的背景信息显示，它旨在帮助企业保持数字空间的清洁和安全，适用于需要内容审核的各种应用场景。

智能语言辅导，实时反馈，自然对话学习。

LingoTheory是一款旨在通过智能技术帮助用户学习语言的产品。它通过实时反馈功能，让用户在语法、词汇和发音上的错误得到即时纠正。用户可以自由使用母语与智能辅导进行交流，系统将帮助用户学习目标语言。产品采用自然对话方式，模拟与朋友间的交流，让用户在轻松的环境中学习语言。此外，LingoTheory还鼓励用户每天学习，通过科学验证的方法和进度跟踪帮助用户快速提升语言水平。