产品库

Autodesk推出的AI解决方案，将视频转换为3D场景的动画制作工具。

Wonder Animation是Autodesk旗下的一款创新产品，它利用尖端的视频到3D场景技术，将任何视频序列转换成3D动画场景，加速动画电影制作流程。这项技术能够处理包含多个剪辑和不同镜头（广角、中景、特写）的影片和编辑序列，然后使用AI在3D空间中重建场景，并匹配每个摄像机与角色和环境的位置和动作关系。Wonder Animation的主要优点在于它能够为艺术家提供完全的创意控制权，与市场上其他依赖自动化输出的生成性AI工具不同，它赋予艺术家塑造自己愿景的能力。

为无声视频生成逼真且同步的声音。

FoleyCrafter是一个基于文本的视频到音频生成框架，能够生成与输入视频语义相关且时间同步的高质量音频。该技术在视频制作领域具有重要意义，特别是在后期制作过程中，可以大大提升效率和音频质量。它由上海人工智能实验室和香港中文大学（深圳）共同研发。

将通用人工智能带入物理世界

Physical Intelligence (π) 是一个由工程师、科学家、机器人学家和公司建设者组成的团队，致力于开发基础模型和学习算法，以驱动当今的机器人和未来的物理驱动设备。该团队旨在将通用人工智能技术应用于物理世界，推动机器人技术的发展和创新。

业界领先的开源大型混合专家模型

Tencent-Hunyuan-Large（混元大模型）是由腾讯推出的业界领先的开源大型混合专家（MoE）模型，拥有3890亿总参数和520亿激活参数。该模型在自然语言处理、计算机视觉和科学任务等领域取得了显著进展，特别是在处理长上下文输入和提升长上下文任务处理能力方面表现出色。混元大模型的开源，旨在激发更多研究者的创新灵感，共同推动AI技术的进步和应用。

具有人类级别精度的人工触觉传感器

Digit 360是由Meta FAIR发布的人工手指形状的触觉传感器，它能够以人类级别的精度数字化触觉。该传感器拥有超过18种独特的传感特性，允许研究人员结合使用各种传感技术或单独隔离信号进行深入分析。Digit 360在检测空间细节上达到了7微米，力量检测上达到了1毫牛，响应速度是人的30倍，为触觉传感技术树立了新的标准。

开源的全双工音频生成基础模型

hertz-dev是Standard Intelligence开源的全双工、仅音频的变换器基础模型，拥有85亿参数。该模型代表了可扩展的跨模态学习技术，能够将单声道16kHz语音转换为8Hz潜在表示，具有1kbps的比特率，性能优于其他音频编码器。hertz-dev的主要优点包括低延迟、高效率和易于研究人员进行微调和构建。产品背景信息显示，Standard Intelligence致力于构建对全人类有益的通用智能，而hertz-dev是这一旅程的第一步。

Agent S：一个开放的代理框架，让计算机像人类一样使用计算机。

Agent S是一个开放的代理框架，旨在通过图形用户界面(GUI)实现与计算机的自主交互，通过自动化复杂多步骤任务来转变人机交互。它引入了经验增强的分层规划方法，利用在线网络知识和叙事记忆，从过去的交互中提取高级经验，将复杂任务分解为可管理的子任务，并使用情景记忆进行逐步指导，Agent S不断优化其行动并从经验中学习，实现适应性强且有效的任务规划。Agent S在OSWorld基准测试中的表现超过了基线9.37%的成功率（相对提高了83.6%），并在WindowsAgentArena基准测试中展示了广泛的通用性。

个性化定制的免费步行导览，成为自己的导游。

WalkSmart 提供了一个平台，用户可以根据自己的喜好和需求，快速创建个性化的步行旅游路线。这个产品利用人工智能技术，分析用户的兴趣点，如建筑、教堂、观景点等，生成独一无二的旅游路线。它的重要性在于提供了一种全新的旅游体验方式，让用户能够根据自己的时间表和兴趣来探索世界。WalkSmart 免费提供服务，无需支付费用，适合喜欢自由行和深度游的用户。

Go语言库，用于嵌入式向量搜索和语义嵌入

kelindar/search 是一个Go语言库，它提供了嵌入式向量搜索和语义嵌入的功能，基于llama.cpp构建。这个库特别适合于小到中型项目，需要强大的语义搜索能力，同时保持简单高效的实现。它支持GGUF BERT模型，允许用户利用复杂的嵌入技术，而不需要深陷传统搜索系统的复杂性。该库还提供了GPU加速功能，能够在支持的硬件上快速进行计算。如果你的数据集少于100,000条目，这个库可以轻松集成到你的Go应用中，实现语义搜索功能。

首款通用型机器人基础模型

π0是一个通用型机器人基础模型，旨在通过实体化训练让AI系统获得物理智能，能够执行各种任务，就像大型语言模型和聊天机器人助手一样。π0通过训练在机器人上的实体经验获得物理智能，能够直接输出低级电机命令，控制多种不同的机器人，并可以针对特定应用场景进行微调。π0的开发代表了人工智能在物理世界应用方面的重要进步，它通过结合大规模多任务和多机器人数据收集以及新的网络架构，提供了迄今为止最有能力、最灵巧的通用型机器人政策。

AI代码翻译器

Spafe Code是一个利用人工智能技术实现代码翻译的平台，它能够将代码从一种编程语言翻译成另一种编程语言。这项技术的重要性在于它能够帮助开发者跨越语言障碍，提高代码的可读性和可维护性，促进全球开发者之间的协作。Spafe Code以其高效的翻译能力、易用性和对多种编程语言的支持而受到开发者的欢迎。目前，Spafe Code提供免费试用，具体价格和定位信息需要进一步查询。

开源人工智能定义，推动AI领域的开放与合作

Open Source AI Definition（OSAID）是由Open Source Initiative（OSI）发布的行业首个开源人工智能定义。它提供了一个标准，通过社区领导的开放和公共评估来验证一个AI系统是否可以被认为是开源AI。OSAID v1.0的发布是多年研究和合作的结果，经过国际研讨会和为期一年的共同设计过程。这个定义要求开源模型提供足够的训练数据信息，以便熟练的人可以使用相同或类似的数据重建一个大致等效的系统。OSAID的发布对于推动AI领域的开放性、透明度和合作具有重要意义，它强调了开源原则在AI发展中的核心地位，并为独立机器学习研究人员和大型AI开发者之间的透明度提供了支持。

精准的面部评分与黄金比例测试，揭示面容的独特魅力

FaceRate.ai是一个提供面部评分与黄金比例测试的网站，它通过分析用户的面部特征，提供详细的评分和分析，帮助用户了解自己的面部优势和改进空间。该技术结合了人工智能和面部识别技术，为用户提供个性化的美容建议和艺术化面部图像生成。FaceRate.ai的背景信息显示，它适用于希望提升外貌认知的个人、寻求个性化美容建议的用户、艺术家与设计师以及研究人类面部结构的学者。产品定位为免费试用，旨在通过科技手段提升用户对自身面部特征的认知和审美。

利用人工智能技术自动生成各种风格和主题的句子。

AI Sentence Generator是一个基于人工智能技术的工具，能够自动创建不同风格和主题的句子。它可以帮助作家、学生和内容创作者快速生成独特的句子。这个工具的主要优点包括节省内容创作的时间与精力、为遇到写作障碍的作者提供灵感、提供多样化的句子结构和词汇。产品背景信息显示，该工具主要面向需要快速生成文本内容的用户，无论是为了博客文章、社交媒体更新还是营销文案，都能提供帮助。目前，该工具主要支持英文，未来计划增加对其他语言的支持。

AI代理，用于产品规划和推荐

SwarmStack是一个利用人工智能技术为产品规划和推荐提供支持的平台。它通过分析市场趋势和用户行为，帮助企业优化产品线和提升销售效率。产品背景信息显示，SwarmStack由Epsilla公司开发，旨在通过智能算法辅助企业决策，提高产品推荐的准确性和个性化。SwarmStack的价格和定位信息未在页面中明确提供，但考虑到其AI技术和商业应用，可能面向中大型企业，提供定制化服务。

客户面向的分析解决方案，由AI驱动。

Upsolve AI是一个为企业提供客户面向分析解决方案的平台，它通过嵌入分析工具，帮助企业客户在第一天就能使用上由AI驱动的分析功能。该产品能够回答用户关于产品数据的问题，提升产品的客户价值，无需额外的工程开销即可实现两倍价值。Upsolve AI支持与流行的数据库和数据仓库的无缝连接，提供自定义连接的API，并允许用户通过自然语言和直观的拖放界面构建仪表板。产品背景信息显示，Upsolve AI由Y Combinator支持，并被多家新一代公司信赖使用。

超轻量级数字人模型，移动端实时运行

Ultralight-Digital-Human是一个超轻量级的数字人模型，可以在移动端实时运行。这个模型是开源的，据开发者所知，它是第一个如此轻量级的开源数字人模型。该模型的主要优点包括轻量级设计，适合移动端部署，以及实时运行的能力。它的背后是深度学习技术，特别是在人脸合成和声音模拟方面的应用，这使得数字人模型能够以较低的资源消耗实现高质量的表现。产品目前是免费的，主要面向技术爱好者和开发者。

计算机使用代理资源集合

Awesome Computer Use 是一个专注于计算机使用代理的资源集合，包括论文和博客。这个资源库正在建设中，并将不断更新。它涵盖了与计算机使用代理相关的多个方面，如模型框架、基础、代理数据和评估等。这个项目对于研究人员和开发者来说是宝贵的资源，因为它提供了最新的研究成果和技术动态。

多语言大型语言模型，支持23种语言

Aya Expanse 32B是由Cohere For AI开发的多语言大型语言模型，拥有32亿参数，专注于提供高性能的多语言支持。它结合了先进的数据仲裁、多语言偏好训练、安全调整和模型合并技术，以支持23种语言，包括阿拉伯语、中文（简体和繁体）、捷克语、荷兰语、英语、法语、德语、希腊语、希伯来语、印地语、印尼语、意大利语、日语、韩语、波斯语、波兰语、葡萄牙语、罗马尼亚语、俄语、西班牙语、土耳其语、乌克兰语和越南语。该模型的发布旨在使社区基础的研究工作更加易于获取，通过发布高性能的多语言模型权重，供全球研究人员使用。

长视频语言理解的时空自适应压缩模型

LongVU是一种创新的长视频语言理解模型，通过时空自适应压缩机制减少视频标记的数量，同时保留长视频中的视觉细节。这一技术的重要性在于它能够处理大量视频帧，且在有限的上下文长度内仅损失少量视觉信息，显著提升了长视频内容理解和分析的能力。LongVU在多种视频理解基准测试中均超越了现有方法，尤其是在理解长达一小时的视频任务上。此外，LongVU还能够有效地扩展到更小的模型尺寸，同时保持最先进的视频理解性能。

LLMs运行代码完成计算机任务的新方式

The Open Interpreter Project 是一个创新的编程工具，它允许大型语言模型（LLMs）在用户的计算机上运行代码以完成任务。这个项目的核心优势在于能够将自然语言指令转换为实际的代码执行，从而简化编程过程并提高效率。它背后的技术是利用人工智能来理解和执行复杂的编程任务，这对于非专业程序员来说尤其有用，因为它降低了编程的门槛。目前，该项目提供免费试用，并在GitHub上拥有较高的星标数，显示了其在开发者社区中的受欢迎程度。

智能播客生成平台，一键生成音频内容

PodCastLM是一个创新的智能播客生成平台，它利用先进的人工智能技术，让用户能够快速生成个性化的音频内容。用户只需上传PDF文件，选择问题、语气、时长和语言等参数，即可生成一段高质量的音频播客。该产品背景信息强调了在快节奏的生活中，人们对于快速获取信息和娱乐内容的需求，PodCastLM通过简化音频内容的制作过程，让用户能够轻松创建和分享自己的播客。目前，PodCastLM提供免费试用，用户可以体验其强大的功能和便捷的操作。

基于纯视觉的图形用户界面代理解析器

OmniParser 是微软研究团队开发的一种用于解析用户界面截图的方法，它通过识别可交互图标和理解屏幕截图中各种元素的语义，显著提升了基于视觉的语言模型（如GPT-4V）生成准确界面操作的能力。该技术通过精细调整的检测模型和描述模型，能够解析屏幕截图中的可交互区域和提取功能语义，从而在多个基准测试中超越了基线模型。OmniParser 作为一个插件，可以与其他视觉语言模型结合使用，提升它们的性能。

全栈开源机器人

智元灵犀X1是一款开源人形机器人，具有29个关节和2个夹爪，支持扩展头部3自由度。它提供了详细的开发指南和开源代码，使开发者能够快速搭建并进行二次开发。该产品代表了智能机器人领域的先进技术，具有高度的灵活性和可扩展性，适用于教育、研究和商业开发等多种场景。

新一代的FydeOS，带来更智能的AI助手和游戏体验。

FydeOS v19 'Desolate Frontier' 是一个面向未来的操作系统，它通过集成的FydeOS AI智能助手、支持Steam的游戏体验、以及优化的Android游戏控制面板等特性，旨在提升用户的工作效率和游戏体验。此版本还引入了更快的分屏功能和改进的'Material You'设计，为用户提供了更加流畅和个性化的用户体验。FydeOS v19 致力于成为一个能够满足所有数字任务需求的突出平台，它的发展标志着FydeOS在操作系统领域的创新和进步。

共同育儿沟通的和平使者

BestInterest是一款旨在通过人工智能调解技术，帮助共同育儿的父母进行高效沟通的应用。它不需要共同育儿协议即可使用，无需法庭命令，可以即时审查所有消息以确保清晰度和以孩子为中心。BestInterest还提供了共同育儿教练，帮助父母应对共同育儿中的起伏。这款应用不仅改变了共同育儿的动态，还提供了一个平台，让父母可以远离法庭，通过和平的方式解决育儿中的冲突。

批量为图片文件生成描述性标题的工具

joy-caption-batch是一个利用Joytag Caption工具批量为图片文件生成描述性标题的编程模型。该工具目前处于Alpha阶段，它通过分析图片内容，使用人工智能技术生成相应的文字描述，帮助用户快速理解图片内容。该工具的主要优点包括批量处理能力、支持自定义图片目录以及对低显存模式的支持，使其能够在显存较低的设备上运行。此外，该工具还提供了详细的安装和使用说明，方便用户快速上手。

开源视频生成模型

genmoai/models 是一个开源的视频生成模型，代表了视频生成技术的最新进展。该模型名为 Mochi 1，是一个基于 Asymmetric Diffusion Transformer (AsymmDiT) 架构的10亿参数扩散模型，从零开始训练，是迄今为止公开发布的最大的视频生成模型。它具有高保真运动和强提示遵循性，显著缩小了封闭和开放视频生成系统之间的差距。该模型在 Apache 2.0 许可下发布，用户可以在 Genmo 的 playground 上免费试用此模型。

智能面试问题生成器

Hiring Studio by Metaview 是一个基于大型语言模型（LLM）的智能工具，旨在帮助招聘者生成面试问题。它通过分析职位描述来定制问题，从而提高面试的效率和质量。该产品背景信息显示，它由 Metaview 公司开发，该公司专注于利用人工智能技术优化招聘流程。Hiring Studio 的主要优点包括节省时间、提高面试问题的针对性和质量，以及为用户提供一个简洁易用的界面。目前，该产品提供免费试用，但具体的定价信息未在页面中提供。

会思考的知识库，开启搜读写新体验。

ima.copilot是由腾讯混元大模型提供技术支持的智能工作台产品，它通过构建个人知识库，提供全网信源问答，帮助用户轻松获取知识，定制化回答工作学习问题，激发灵感。产品背景依托于腾讯强大的技术支持，结合人工智能技术，旨在提升用户在搜索、阅读、写作等方面的效率和体验。目前产品提供免费下载的Mac客户端，未来将推出更多版本。