产品库

助力智慧医疗服务建设

左手医生开放平台通过AI+数据,赋能医疗健康行业,实现智慧医疗升级。为医疗机构、信息化厂商等合作伙伴提供国内领先的医疗大语言模型、智能产品和专业技术支持,构建医患主动沟通的智慧医疗服务体系。

AI助手，通过语音和动画指导用户，提升网站交互体验。

Speek是一款AI驱动的助手，通过语音和动画鼠标指针指导用户在网站上的操作，帮助解答问题、引导用户了解网站功能，并简化购买决策。它通过提供实时帮助，结合支持和引导，快速安装并立即开始工作，改善用户体验，提升销售，并减少客户支持查询。

Google的AI助手，提升创造力与生产力。

Google Gemini是一款由Google开发的AI助手应用，旨在通过人工智能技术帮助用户提高创造力和生产力。它允许用户通过语音与应用交互，进行头脑风暴、简化复杂话题、为重要时刻排练等。Gemini能够连接用户喜爱的Google应用，如搜索、YouTube、Google Map、Gmail等，提供交互式视觉和现实世界示例，解锁专业知识，获取关于任何主题的定制信息。此外，它还能帮助用户更快速、更好地规划旅行，创建AI生成的图像，并提供摘要、深入研究和源链接。

多模态AI平台，整合文本、图像和音频交互

GPT-4o是OpenAI推出的先进多模态AI平台，它在GPT-4的基础上进一步扩展，实现了真正的多模态方法，涵盖文本、图像和音频。GPT-4o设计上更快、更低成本、更普及，彻底革新我们与AI互动的方式。它提供了流畅且直观的AI交互体验，无论是参与自然对话、解读复杂文本，还是识别语音中的微妙情感，GPT-4o的适应能力都是无与伦比的。

全球首创桌面双轮足式AI机器人，集成ChatGPT，能跑、能看、能说、倒不了。

XGO Rider是一款集成了ChatGPT的桌面双轮足式AI机器人，具备自平衡功能和全向移动能力。它基于Raspberry Pi CM4核心模块构建，支持Python和C++编程，适合AI编程学习和教育使用。XGO Rider不仅能够帮助学生和开发者轻松进入机器人世界，还能通过其丰富的传感器和AI功能进行各种互动和学习，如手势识别、人脸检测、骨骼识别等。

使用OpenAI实时API与文档进行语音聊天

voice-chat-pdf是一个基于LlamaIndex项目，使用Next.js构建的示例，它通过简单的RAG系统，允许用户通过语音与PDF文档进行交互。这个项目需要OpenAI API密钥来访问实时API，并在项目中生成文档的嵌入向量，以便进行语音交互。它展示了如何将先进的机器学习技术应用于提高文档交互的效率和便捷性。

低延迟的实时语音交互API

Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。

个性化认知训练框架，助力认知障碍患者康复。

忆我（ReMe）是由微软亚洲研究院与上海市精神卫生中心联合开发的个性化认知训练框架，旨在为认知障碍患者提供个性化的认知训练。该框架基于微软Azure OpenAI服务，利用多模态大模型技术，通过文字、图像、语音等多种模态的输入输出，以对话机器人的形式为用户提供认知训练体验。忆我（ReMe）的创新之处在于其个性化和多模态交互能力，能够根据用户的记忆内容和认知水平，提供定制化的训练方案，从而提高训练的针对性和效果。

低延迟、高质量的端到端语音交互模型

LLaMA-Omni是一个基于Llama-3.1-8B-Instruct构建的低延迟、高质量的端到端语音交互模型，旨在实现GPT-4o级别的语音能力。该模型支持低延迟的语音交互，能够同时生成文本和语音响应。它在不到3天的时间内使用仅4个GPU完成训练，展示了其高效的训练能力。

百度旗下新搜索智能助手，提供AI搜索与创作服务。

文小言是百度推出的一款基于文心大模型的智能搜索助手APP，它通过AI技术为用户提供搜索、创作、聊天等多种服务。该产品通过记忆用户喜好和需求，提供个性化的搜索结果和创作建议，同时支持语音和拍照输入，使得用户能够更加便捷地获取信息和创作内容。

与任何大型语言模型进行快速的免提语音交互。

Open-LLM-VTuber 是一个开源项目，旨在通过语音与大型语言模型（LLM）进行交互，具有实时的Live2D面部捕捉和跨平台的长期记忆功能。该项目支持macOS、Windows和Linux平台，允许用户选择不同的语音识别和语音合成后端，以及自定义的长期记忆解决方案。它特别适合希望在不同平台上实现与AI进行自然语言对话的开发者和爱好者。

基于AI的智能助手App，提供个性化对话体验。

飞船App是一款基于人工智能技术的智能助手应用，专为移动端设计。它通过自然语言对话，提供有趣、有料、有用的交互体验，满足用户在娱乐、效率等方面的需求。产品支持文字与语音输入，提供多音色的TTS选择，使交互更自然、亲切。

使用AI语音表单收集数据

Waveform.ai 是一个利用人工智能技术通过语音表单收集数据的平台。它通过自然语言交互的方式，帮助用户在客户访谈、员工调查、市场研究和潜在客户生成等方面进行数据收集。该平台的主要优点包括：1. 更全面和深入的信息收集：通过AI驱动的调查，能够收集到更全面和有洞察力的数据，从而进行更深入的分析和做出更明智的决策。2. 更高的响应率：通过AI驱动的语音表单与用户进行自然互动，提高调查的响应率和用户满意度。3. 反映品牌身份：可以个性化语音和个性，以反映品牌身份，创造一致且难忘的用户体验。4. 时间和成本效益：与传统的人工数据收集方法相比，节省时间和降低成本，同时保持准确性和可靠性。

智能卖货主播大模型，提升销售效率，增强购物体验。

Streamer-Sales 销冠是一个基于大语言模型的智能卖货主播系统，它能够根据商品特点从激发用户购买意愿的角度出发进行商品解说。该模型在 InternLM2 的基础上通过指令微调而来，集成了 LMDeploy 加速推理，支持 ASR 语音生成文字，RAG 检索增强生成，Agent 网络查询等功能，并通过 TTS 技术生成带有感情的语音，最终生成主播数字人视频，为商品解说提供全方位的技术支持。

个性化创业指导和赚钱建议的AI助手

Rich AI是一款为iPad和iPhone设计的应用程序，旨在提供商业和赚钱的创意灵感、个性化建议、语音模式、学习机会、专业意见以及即时反馈。它通过提供核心创业哲学和营销策略的解释，帮助用户在创业和赚钱方面取得成功。

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。

Play.ai 是一个基于人工智能的语音交互平台，提供个性化的对话体验。

Play.ai 是一个先进的语音交互平台，它利用人工智能技术为用户提供流畅、自然的对话体验。该平台不仅能够理解用户的指令，还能根据上下文进行智能回应，为用户提供个性化的服务。Play.ai 的主要优点在于其高度的交互性和智能化，它能够适应不同用户的需求，提供定制化的对话服务。此外，Play.ai 还具有易于使用、快速响应等特点，使其成为企业和个人提升沟通效率的有力工具。

开源项目，旨在复制、增强和创新自主AI软件工程师Devin

OpenDevin是一个开源项目，目标是复制、增强和创新Devin——一个能够执行复杂工程任务并与用户在软件开发项目上积极协作的自主AI软件工程师。该项目通过开源社区的力量，探索和扩展Devin的能力，识别其优势和改进空间，以指导开源代码模型的进展。

WhiteRabbitNeo-7B-v1.5a 是一个预训练的大型语言模型，可用于多种自然语言处理任务。

WhiteRabbitNeo-7B-v1.5a 是WhiteRabbitNeo系列的一个版本，这是一系列大规模、面向自然语言处理任务的预训练语言模型。该模型能够支持文本生成、摘要、翻译等多种任务。

用于视觉合成的统一3D Transformer流水线

NUWA是由微软开发的一系列研究项目，包括NUWA、NUWA-Infinity、NUWA-LIP、Learning 3D Photography Videos和NUWA-XL。这些项目涉及视觉合成的预训练模型，能够生成或操纵视觉数据，如图像和视频，以执行多种视觉合成任务。

医疗领域检索式问答模型

MedRAG是一个针对医疗领域设计的检索式问答（Retrieval-Augmented Generation）模型。它结合了信息检索和文本生成技术，旨在提供准确的医疗信息查询和回答。

为开发者构建人类般的对话语音AI

Retell AI是一个能够帮助开发者在一天内构建人类般对话语音AI的API。它具有大约800毫秒的响应时间，并能够处理中断。使用Retell AI，您可以体验到与真实对话一样自然和流畅的交互。

印度自主研发的AI助手

Krutrim是一款印度自主研发的人工智能助手,能够以印度本地语言进行交流。它具有语音交互功能,支持22种印度官方语言,内置印度文化常识,能够生成符合印度文化语境的文本。Krutrim可广泛应用于电商、客户服务等场景,帮助企业提升客户体验。

MedGPT是一个医疗AI写作和诊断平台

MedGPT是一个专为医务工作者设计的医疗AI写作和诊断平台,集成了各类医疗文档写作、医学影像诊断等AI模型,可以高效生成各类医疗文档、处方报告等,节省医生编写文档的时间。同时MedGPT还提供医学影像智能诊断功能。

可佩戴的人工智能伴侣

Tab是一款可佩戴的人工智能设备,集成语音助手、实时翻译、日程管理等功能,可成为用户的智能伴侣。它采用轻薄便携的设计,佩戴舒适。通过语音交互,可帮助用户提高工作效率,陪伴用户的日常生活。

个人智能语音助手,你的随身伴侣

r1是一款个人智能语音助手,采用自然语言交互,提供个性化操作系统,让用户像对待朋友一样与其交流。它具有语音识别、人机对话、个性化推荐等人工智能技术,能帮助用户更高效地处理日常事务,是用户的好帮手。

为汽车制造商提供易于集成的ChatGPT解决方案

Cerence Chat Pro是一款面向汽车制造商的应用,可以通过语音交互的方式,将ChatGPT等生成式AI系统无缝集成到车载系统中。它具有极高的定制性和兼容性,使汽车制造商可以根据品牌定位和用户需求,快速打造个性化的AI对话体验。相比竞品,Cerence Chat Pro集成难度低,更易扩展和迭代,有助于降低汽车制造商的研发成本。

使用模块化构建块构建高性能AI模型的工具。

Zeta是一个开源项目，提供模块化、高性能和可扩展的构建块来快速构建AI模型。它包括多种功能，如Flash Attention、SwiGLU、相对位置偏差、前馈网络、BitLinear变换、PalmE多模态模型、U-Net、视觉嵌入和其他多种高级特性。

一站式大模型服务平台

阿里云百炼是一个基于通义系列大模型和开源大模型的一站式大模型服务平台。提供生成式大模型的全流程应用工具和企业大模型的全链路训练工具，支持多种开源大模型接入及适配，开放的插件集成能力和灵活的应用编排能力。

快速并行化视频到视频的AI合成

Fairy是一个针对视频编辑应用的简约但强大的图像编辑扩散模型的适应。它的核心是基于锚的跨帧注意机制，这种机制隐式地在帧之间传播扩散特征，确保了更好的时间连贯性和高保真度合成。Fairy不仅解决了以前模型的内存和处理速度限制，还通过独特的数据增强策略改善了时间一致性。