产品库

自动语音识别模型压缩与优化工具

WhisperKit是一个用于自动语音识别模型压缩与优化的工具。它支持对模型进行压缩和优化，并提供了详细的性能评估数据。WhisperKit还提供了针对不同数据集和模型格式的质量保证认证，并支持本地复现测试结果。

基于双向状态空间模型的高效视觉表示学习框架

Vision Mamba是一个高效的视觉表示学习框架,使用双向Mamba模块构建,可以克服计算和内存限制,进行高分辨率图像的Transformer风格理解。它不依赖自注意力机制,通过位置嵌入和双向状态空间模型压缩视觉表示,实现更高性能,计算和内存效率也更好。该框架在 ImageNet分类、COCO目标检测和ADE20k语义分割任务上,性能优于经典的视觉Transformers,如DeiT,但计算和内存效率提高2.8倍和86.8%。

对HandRefiner模型进行剪枝压缩后的fp16版本

ControlNet-HandRefiner-pruned模型是对HandRefiner模型进行剪枝压缩处理后的fp16版本,可以更快速地进行手部图像修复。该模型采用弥散模型进行条件性图像补全,可以精确修复手部图像中的缺失或畸形部分。该模型压缩率高,inference速度快,非常适合在资源受限的环境下,仍然进行高质量手部图像修复。

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。

从多视角图像创建3D场景

CAT3D是一个利用多视角扩散模型从任意数量的输入图像生成新视角的3D场景的网站。它通过一个强大的3D重建管道，将生成的视图转化为可交互渲染的3D表示。整个处理时间（包括视图生成和3D重建）仅需一分钟。

让人工智能成为孩子的私人家教。

小窗 ® 对话式 AI 问答机是一款基于大语言模型（LLM）的人工智能技术产品，主要面向孩子群体，帮助他们在学习和生活中获取知识，提升独立思考、提问和语言表达能力。该产品的优点包括博学多知的超级博士、随时交谈的外语陪练、无穷创意的写作助手、善解人意的倾诉对象等。该产品定位为面向家庭和教育场景的 AI 助手，为孩子提供全方位的知识获取和交流互动。

为GPT/GLM等LLM大语言模型提供实用化交互接口

GPT Academic是一个针对GPT、GLM等大型语言模型（LLM）的实用化交互接口，特别优化了论文阅读、润色和写作体验。它采用模块化设计，支持自定义快捷按钮和函数插件，能够对Python和C++等项目进行剖析和自译解。此外，它还具备PDF和LaTeX论文翻译和总结功能，支持并行问询多种LLM模型，如chatglm3等本地模型，并接入了通义千问、deepseekcoder、讯飞星火、文心一言、llama2、rwkv、claude2、moss等。

AI产品助手，简化客户旅程，提升销售。

Extra Blu是一款为Shopify商店设计的AI产品助手，它通过理解客户偏好来推荐合适的产品，实现个性化和直观的购物体验。它能够无缝集成商店知识，如退货政策、常见问题解答和运输详情。Extra Blu坚持透明和公平的定价策略，使用户通过自己的OpenAI密钥，无隐藏费用和额外成本。

轻松研究和准备播客嘉宾

Podcast Guest Researcher 是一个旨在提高播客制作效率的在线工作流程模板。它通过四个步骤帮助用户研究嘉宾背景、准备引人入胜的介绍、选择相关话题以及制定问题，从而创建信息丰富且引人入胜的播客节目。

一站式AI聊天机器人平台，提供多种AI应用和功能。

ChatPlayground AI是一个集成了16+ AI应用和功能的聊天机器人平台，它允许用户通过一个订阅来访问多种AI模型。该平台的主要优点包括行业领先的AI模型、实时网络搜索、图像生成器、历史记录回顾、多语言支持以及导入自定义内容的能力。ChatPlayground AI旨在为开发者、数据科学家、学生、研究人员、内容创作者、作家和AI爱好者提供服务，帮助他们提高工作效率和创造力。

AI驱动的代码生成，快速实现从想法到生产。

Jovu是一个AI驱动的代码生成模型，旨在帮助开发者快速构建新服务或扩展现有应用程序。它通过AI技术生成生产就绪的代码，确保一致性、可预测性，并遵循最高标准。Jovu能够加速开发过程，从概念到部署只需几分钟，提供完全可操作的、健壮的后端服务，准备立即上线。它还通过简化开发工作流程、减少时间、优化资源来提高效率和速度。

通过AI引擎提高电子邮件的投递率

Warmy是一个利用人工智能技术来优化电子邮件投递率的平台。它通过分析每个邮箱的发送活动和接收者行为，为每个邮箱制定个性化的预热计划，确保邮件发送量逐渐增加而不会触发垃圾邮件过滤器，从而最大化邮件的投递率。此外，Warmy的Adeline AI引擎能够实时分析发送性能，预测最佳发送时间和频率，帮助用户提高参与度，避免过度发送邮件给接收者造成困扰。Warmy还具备AI驱动的垃圾邮件风险检测功能，能够主动识别并标记具有高垃圾邮件风险的邮件，帮助用户避免邮件落入垃圾邮件文件夹，确保重要邮件能够送达接收者。

沉浸式音频导览，让每个地标自己说话

Tourly Guide是一款移动应用程序，通过使用人工智能技术，为用户提供独特的沉浸式音频导览体验。它允许用户在探索地标时，通过AI生成的音频指南获得深入的了解和教育。该产品的主要优点包括个性化的导览内容、用户友好的界面设计以及对教育和文化探索的重视。Tourly Guide的背景信息显示，它由Roadly, Inc.开发，旨在通过技术提升用户的旅游和学习体验。

通过了解大脑运作制定改变计划的APP

Neurture是一个旨在帮助用户了解大脑如何运作，并通过基于研究的治疗方法来制定有效的改变计划的应用程序。它通过数字化手写日记条目、获取后续期刊提示建议、由人工智能支持的情景冥想和期刊推荐等功能，帮助用户打破习惯或解决成瘾行为，实现重要的其他目标。Neurture强调隐私和信任，不收集用户数据，不投放广告，不训练模型，旨在为用户提供一个安全、无负担的自我提升环境。

革命化的家庭护理方式，从婴儿到老年人。

AiWatchfulCompanion是一款旨在改变我们照顾亲人方式的应用程序，它通过使用人工智能技术，为远离家乡的护理者提供实时的关怀和支持。该应用利用计算机视觉和音频分析，实时响应亲人的需求，提供连续的安全和健康保障。它还具备紧急响应功能，在无法联系到护理者时，能够向紧急服务提供事故位置。

使用的 Sora 同架构视频生成模型

Viva 是一个免费的 AI 生成工具和社区，提供 Text-to-Image、Image-to-Image、Text-to-Video、Image-to-Video 等功能，以及强大的 AI 编辑工具。用户可以扩展图像、重新绘制任何内容，使图像和视频更加高质量和 4K。Viva 使 AI 创作更简单、高效。海外产品 viva 发布了首个开放给全部用户使用的 Sora 同架构视频生成模型，而且现阶段免费。 文生视频单次可以生成一条 5 秒的视频，图生视频是 4 秒视频 目前运动幅度最大的视频生成模型，同时图像分辨率也是现在可以用的视频生成产品中最大的。文生视频的效果比图生视频要更好，同时如果要是用的话建议把运动幅度调到 20 左右比较合适。 viva 优势领域就是可以生成比较好的竖屏视频，目前很多视频模型的演示都是横屏视频，竖屏的表现并不好，但是短视频又是视频内容的大头，所以竖屏视频的生成质量是个很重要的指标。 但是一致性有一部分测试中保持的不是很好，同时没有表现出 Sora 那样强大的物理特性模拟以及 3D 一致性。

提供全面的人工智能大模型产业信息和创新价值研究。

大模型之家是一个专注于人工智能大模型产业的平台，提供行业报告、技术创新动态、专家评测和奖项荣誉等信息。它通过整合行业资源，推动人工智能技术的创新和应用，帮助企业和个人更好地理解和利用大模型技术。

利用人工智能增强产品团队的决策力和效率

Productboard AI 是一款集成到产品管理平台中的人工智能工具，它通过分析和理解大量的用户反馈和数据点，帮助产品团队做出更明智的决策，提高工作效率，并加速产品从概念到市场的整个生命周期。它由 OpenAI 提供支持，确保数据安全和隐私保护，同时提供无与伦比的数据组合和针对产品管理工作的微调优化。

将视频或音频内容快速转换成结构化网页摘要的多功能工具。

VideoToPage是一个高效的在线工具，它能够将视频或音频内容转换成结构化的网页摘要，支持多达96种语言，并具有98.5%的高准确率。用户无需订阅即可使用，特别适合需要将视频内容转换成文字资料、教程、博客文章、标准操作程序(SOP)等多种形式的个人和企业。产品提供快速的转录服务，支持长达5小时的视频，且5分钟以内的文件完全免费。此外，还提供内容的语义层次构建、内容类型定义、语义互连、富文本编辑、多语言理解等功能，使得内容的创建、编辑和发布变得简单快捷。

现代AI自动化全球会计解决方案，专为小型企业设计。

Fiskl是一个多货币的全球会计平台，为小型企业、创业者、开发者和自由职业者提供全面的财务管理工具。它支持170多种货币和21,000多家银行，利用人工智能技术简化银行对账流程，实现零接触Stripe支付和银行对账。Fiskl的主要优点包括实时现金流和财务概览、自动化银行同步、全球支付能力、AI驱动的对账节省高达80%的对账工作量。Fiskl的定价策略包括特别优惠，例如年度订阅可享受50%的循环折扣，并提供30天免费试用期。

一站式AI资讯平台，连接开发者与AI技术的最新动态。

掘金大模型子站是一个专注于AI领域的技术社区平台，提供从基础设施到最终应用的全景图，旨在帮助个人开发者和企业更好地理解和应用大语言模型技术。该平台通过提供资讯、工具和资源，促进AI技术的创新和应用，推动整个AI生态的发展。

为学习而生的AI阅读器，高效筛选优质内容，提升阅读和学习效率。

Cubox是一款专业的AI阅读器，旨在通过智能技术帮助用户筛选和整理阅读内容，提升阅读效率和学习效果。它具备自动高亮精彩内容、一键解读网页文章、专业级标注等功能，适用于需要大量阅读和学习的用户。产品背景信息显示，Cubox深受全球专业人士青睐，并且用户阅读的文章总数达到了23,325,802篇，显示了其广泛的用户基础和影响力。

由哔哩哔哩用户评论微调训练而成的本地聊天机器人

bilibot是一个基于哔哩哔哩用户评论训练的本地聊天机器人，支持文字聊天和语音对话。它使用Qwen1.5-32B-Chat作为基础模型，并结合苹果的mlx-lm LORA项目进行微调。语音生成部分基于GPT-SoVITS项目，使用派蒙语音模型。该机器人可以快速生成对话内容，适用于需要智能对话系统的场合。

独立分析AI语言模型和API提供商，帮助选择适合的模型和API。

Artificial Analysis是一个专注于AI语言模型和API提供商的独立分析平台。它提供详细的性能评估，帮助用户理解AI领域的格局，并为他们的具体用例选择最佳的模型和API提供商。该平台通过质量指数、吞吐量和价格等多个维度对不同的AI模型进行比较，使用户能够做出更明智的选择。

MuLan：为110多种语言适配多语言扩散模型

MuLan是一个开源的多语言扩散模型，旨在为超过110种语言提供无需额外训练即可使用的扩散模型支持。该模型通过适配技术，使得原本需要大量训练数据和计算资源的扩散模型能够快速适应新的语言环境，极大地扩展了扩散模型的应用范围和语言多样性。MuLan的主要优点包括对多种语言的支持、优化的内存使用、以及通过技术报告和代码模型的发布，为研究人员和开发者提供了丰富的资源。

小米开发的大规模预训练语言模型，参数规模64亿。

MiLM-6B是由小米公司开发的大规模预训练语言模型，参数规模达到64亿，它在中文基础模型评测数据集C-Eval和CMMLU上均取得同尺寸最好的效果。该模型代表了自然语言处理领域的最新进展，具有强大的语言理解和生成能力，可以广泛应用于文本生成、机器翻译、问答系统等多种场景。

Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。

Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。

谷歌高质量文本到图像模型，生成逼真、生活化图像。

Imagen 3 是谷歌一个先进的文本到图像的生成模型，它能够生成具有极高细节水平和逼真效果的图像，并且相较于之前的模型，其视觉干扰元素显著减少。该模型对自然语言的理解更为深入，能够更好地把握提示背后的意图，并从更长的提示中提取细节。此外，Imagen 3 在渲染文本方面表现出色，为个性化生日信息、演示文稿标题幻灯片等提供了新的可能性。

Google最先进的视频生成模型，提供高质量1080p视频生成。

Veo是Google最新推出的视频生成模型，能够生成高质量的1080p分辨率视频，支持多种电影和视觉风格。它通过先进的自然语言和视觉语义理解，能够精确捕捉用户创意愿景，生成与提示语调一致且细节丰富的视频内容。Veo模型提供前所未有的创意控制水平，理解电影术语如“延时摄影”或“航拍景观”，创造出连贯一致的画面，使人物、动物和物体在镜头中逼真地移动。

Google的尖端开放视觉语言模型

PaliGemma是Google发布的一款先进的视觉语言模型，它结合了图像编码器SigLIP和文本解码器Gemma-2B，能够理解图像和文本，并通过联合训练实现图像和文本的交互理解。该模型专为特定的下游任务设计，如图像描述、视觉问答、分割等，是研究和开发领域的重要工具。