产品库

实时开放词汇物体检测

YOLO-World是一款先进的实时开放词汇物体检测器，基于You Only Look Once (YOLO)系列检测器，并通过视觉-语言建模和大规模数据集的预训练，增强了开放词汇检测能力。其采用新的可重新参数化的视觉-语言路径聚合网络（RepVL-PAN）和区域-文本对比损失，促进了视觉和语言信息之间的交互。YOLO-World在零-shot方式下高效地检测各种对象，具有高效率。在具有挑战性的LVIS数据集上，YOLO-World在V100上实现了35.4 AP和52.0 FPS，在准确性和速度方面均优于许多最新方法。此外，经过微调的YOLO-World在多项下游任务上表现出色，包括物体检测和开放词汇实例分割。

大型多模态模型，集成表格数据

TableGPT2是一个大型多模态模型，专门针对表格数据进行预训练和微调，以解决实际应用中表格数据整合不足的问题。该模型在超过593.8K的表格和2.36M的高质量查询-表格-输出元组上进行了预训练和微调，规模前所未有。TableGPT2的关键创新之一是其新颖的表格编码器，专门设计用于捕获模式级别和单元格级别的信息，增强了模型处理模糊查询、缺失列名和不规则表格的能力。在23个基准测试指标上，TableGPT2在7B模型上平均性能提升了35.20%，在72B模型上提升了49.32%，同时保持了强大的通用语言和编码能力。

利用Claude 3.5 Sonnet Vision API进行图像中物体检测和可视化的强大Python工具

Claude Vision Object Detection是一个基于Python的工具，它利用Claude 3.5 Sonnet Vision API来检测图像中的物体并进行可视化。该工具能够自动在检测到的物体周围绘制边界框，对它们进行标记，并显示置信度分数。它支持处理单张图片或整个目录中的图片，并且具有高精度的置信度分数，为每个检测到的物体使用鲜艳且不同的颜色。此外，它还能保存带有检测结果的注释图片。

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。

实时语音和视频AI平台

Outspeed是一个为构建快速、实时语音和视频AI应用提供网络和推理基础设施的平台。它由Google和MIT的工程师开发，旨在为实时AI应用提供直观且强大的工具，无论是构建下一个大型应用还是扩展现有解决方案，Outspeed都能帮助用户更快、更有信心地进行创新。

使用Gemini API进行图像物体检测的Streamlit应用

bonding_w_geimini是一个基于Streamlit框架开发的图像处理应用，它允许用户上传图片，通过Gemini API进行物体检测，并在图片上直接绘制出物体的边界框。这个应用利用了机器学习模型来识别和定位图片中的物体，对于图像分析、数据标注和自动化图像处理等领域具有重要意义。

开源云平台，实现超低延迟的语音和视频AI。

Daily Bots是一个开源云平台，专注于提供超低延迟的语音和视频人工智能服务。它支持开发者构建和托管实时的全球基础设施上的代理，并利用快速增长的开源实时框架。该平台拥有全球实时云，提供5亿终端用户的13毫秒首跳延迟，符合SOC 2、HIPAA和GDPR标准。此外，Daily Bots提供了电话和工作流程的一站式企业连接解决方案，以及完整的PSTN和SIP堆栈。

高效的混合搜索和实时分析数据库

Rockset是一个为大规模数据提供高效搜索和实时分析的数据库平台。它支持向量、文本、地理空间和JSON数据的索引，能够实现混合搜索架构，并通过流式数据摄入和高QPS工作负载来测量端到端延迟。Rockset的主要优点包括实时索引、毫秒级SQL查询、快速开发新功能、降低计算和存储成本，以及无需ETL、去规范化、管理分片、索引或集群的灵活性。

开源实时翻译应用，支持多语种对话。

RTranslator 是全球首款开源的实时翻译应用，专为 Android 设计，支持多种语言的实时对话翻译。它利用 Meta 的 NLLB 和 OpenAI 的 Whisper 模型，实现高质量的翻译和语音识别，保护用户隐私，且支持离线使用。

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。

开源框架，用于构建语音和多模态对话AI。

Pipecat是一个开源框架，用于构建语音和多模态对话代理，如个人教练、会议助手、儿童故事玩具、客户支持机器人、接待流程和机智的社交伴侣。它支持本地运行，并可迁移到云端，集成了多种AI服务和传输方式，具有高度的可定制性和扩展性。

高质量英文网页数据集

FineWeb数据集包含超过15万亿个经过清洗和去重的英文网页数据，来源于CommonCrawl。该数据集专为大型语言模型预训练设计，旨在推动开源模型的发展。数据集经过精心处理和筛选，以确保高质量，适用于各种自然语言处理任务。

首个中文大语言模型，专注中文理解和生成

Chinese Tiny LLM（CT-LLM）是针对中文设计的首个大语言模型，拥有20亿参数，并在12000亿中文语料库上进行预训练。CT-LLM专注于提高对中文语言的理解和生成能力，利用大规模的中文数据预训练，实现对中文文本的高效处理。虽然重点优化了中文处理，CT-LLM也展示了对英文和编程代码的良好处理能力，体现了模型的多语言适应性。在中文语言任务的基准测试CHC-Bench上，CT-LLM展现了出色的性能，证明了其在理解和应用中文方面的高效能力。CT-LLM从零开始训练，主要使用中文数据进行预训练，开放了整个数据过滤过程、训练动态、训练和评估数据，以及模型的中间检查点等所有相关信息。该开放资源的做法使得其他研究者、开发者能够访问这些资源，利用这些资料进行自己的研究或进一步改进模型。

苹果发布多模态LLM模型MM1

苹果发布了自己的大语言模型MM1，这是一个最高有30B规模的多模态LLM。通过预训练和SFT，MM1模型在多个基准测试中取得了SOTA性能，展现了上下文内预测、多图像推理和少样本学习能力等吸引人的特性。

实时人脸互换直播工具

SwapStream是一个基于云的实时人脸互换直播工具,用户可以通过浏览器轻松实现人脸互换的直播。它支持将任意人脸实时互换到直播视频中,同时可以多路流媒体直播到各种直播平台。主要功能包括:实时人脸互换,无需下载直接在浏览器使用,支持多种直播平台,可添加自定义RTMP直播通道等。优点是使用简单、扩展性强,适用于各类直播场景。

全球AI评判辩论平台

Debatia是一个全球AI评判的辩论平台，提供实时、多语言、语音和文本输入选项。用户可以参与全球任何人的辩论，使用自己的语言进行交流。Debatia通过AI算法根据用户的辩论技能水平进行匹配，并利用ChatGPT进行公正的辩论评判。Debatia的功能包括挑战辩论、多语言辩论、基于技能的匹配等。Debatia适用于教育领域，可以帮助学生提高辩论能力，拓展视野。

实时AI创意设计工具

AI Real Time Design是世界上第一个可控实时设计工具，确保您对布局的一致和精准控制。无论您进行怎样的调整和转换，您的想法都会立刻变为现实。通过我们的快速生成功能，获得即时的设计迭代，加速您的创意和团队协作过程。

更好，更快，更多字幕

Line 21是一款字幕交付软件，帮助机构创建、增强、翻译和交付实时字幕。它集成了广泛的服务，将字幕交付到各种终端，支持100多种语言的字幕、翻译和校对。优势在于快速交付字幕、自动翻译字幕以及提供人工智能校对功能。定价灵活，定位于帮助机构提高实时内容的包容性和可访问性。

一款集成超过1000种不同调音和100多种语言的免费实时AI语音转换软件

Dubbing AI是一款功能强大的实时AI语音转换软件,它为用户提供超过1000种不同的语音和100多种语言选择,能够实时将任何语音转换成用户所需的语音效果。该软件具有极低的时延和资源占用,与其他类似软件相比,它只占用2-3%的CPU资源。Dubbing AI支持Windows和macOS等多个平台,与各类游戏、软件和社交平台兼容,是游戏玩家、主播和创作者的完美语音工具。

UI个性化，用AI提升产品收入

flowRL是一款利用实时用户体验个性化和强化学习提升产品收入的工具。它通过AI算法为每个用户定制独特的应用体验，根据用户的行为进行实时UI调整，以最大程度地符合其偏好。我们的机器学习模型采用强化学习技术，能够不断学习和优化用户数据，以达到任何目标指标，从用户留存到收入和用户生命周期价值。

轻松实现多语言翻译

Plane是一款基于人工智能技术的多语言翻译工具。它可以快速准确地将文本翻译成多种语言，帮助用户在跨语言交流中解决语言障碍。该助手具有高度的准确性和实时性，同时支持多种语言的互译功能。用户可以通过输入文本或上传文件进行翻译，还可以保存翻译记录和设置常用语言，提高翻译效率。

基于AI的分布式自动支付处理器

Mobile Credits是一个基于AI的分布式自动支付处理器，确保安全快速地在全球范围内进行实时的资金转移，全天候提供服务。它提供了实时的、无需人工干预的交易处理能力，可以通过任何移动设备或已拥有的手机轻松进行全球范围的无接触即时支付。

电脑上最准确的实时字幕生成

Lugs.ai是一款能够在电脑上准确实时生成字幕的插件。无需联网，支持电脑内的所有音频，包括麦克风录音和电脑上的声音。它使用AI技术，可以深度理解对话内容，并根据上下文进行准确的转写和字幕生成。Lugs.ai是由听力受损者开发的，始终以实际使用体验为依据进行不断优化。具备最佳的准确性和持续的更新。

语音克隆翻译应用

idict是一款提供137种语言实时翻译、物体检测、照片翻译和文本翻译的应用。它可以帮助用户消除语言障碍，随时随地与他人进行沟通。

智能图像识别服务

云识别是一款提供智能图像识别服务的产品。通过使用先进的深度学习算法，云识别能够实时准确地识别和分类图像中的物体、场景和文字。优势包括高准确率、快速响应、支持多种图像格式和多平台集成。定价根据使用量和功能定制。主要功能包括图像分类、物体检测、场景识别和文字识别等。适用于各种图像处理场景，如图像搜索、内容过滤、自动驾驶、安防监控等。

实时、高效的会议字幕服务

AI实时字幕服务是一款基于人工智能的在线字幕服务，可以实时为会议或会议服务提供字幕和交互式转录。无需编程即可轻松集成到您的服务中。支持多种语言和方言，提供实时的字幕数据，帮助提升会议的可访问性和用户体验。

全球领先的头脑风暴和冲刺计划工具

Swift Board是一款全方位的团队协作和回顾工具，免费、匿名、实时和可完全自定义。它可以帮助团队实时沟通、协作和创意发散。只需点击一个按钮，您就可以创建一个面板并邀请团队加入，轻松实现沟通和协作。使用Chat-GPT技术，可以获取会议摘要的人工智能生成的总结。Swift Board是团队头脑风暴和冲刺回顾的首选工具。

实时音景，提高工作效率和专注力

GetSound.Ai是一款实时音景应用，通过提供高品质的音景，帮助用户提升工作效率和专注力。它采用革命性技术，为用户提供无干扰的工作环境，助力用户发挥最佳表现。使用GetSound.Ai，你可以沉浸在高品质的音景中，逃离现实世界，获得身心的放松与平静。同时，它还根据你的位置、天气、光线和风力等因素，实时调整音景，为你带来独特的体验。无论是用于放松、专注还是正念，GetSound.Ai始终能提供新颖的音景，让你享受持续的焕然一新。

帮助银行实现实时个性化

maya.ai™ 是一款AI驱动的个性化产品，为客户、银行和商家带来共赢。基于口味和生活方式的实时个性化。