一个人性化的多代理系统，自动化网络任务。
Magentic-UI 是一个基于多代理系统的研究原型，允许用户通过透明且可控的界面进行网络浏览和任务自动化。其主要优势在于能够提高人机交互的效率，同时为用户提供对自动化过程的控制。该产品适用于需要在网络上执行复杂任务的用户支持多种操作和自定义设置。
一个社区驱动的深度研究框架，结合语言模型与多种工具。
DeerFlow 是一个深度研究框架，旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具，以推动深入研究工作。该项目源于开源社区，强调贡献回馈，具备多种灵活的功能，适合各类研究需求。
下一代情感智能的对话视频界面，让AI交互更自然、更人性。
Conversational Video Interface（CVI）是Tavus推出的一种情感智能对话视频界面。它通过Phoenix-3、Raven-0和Sparrow-0三个模型协同工作，赋予AI真正的人类感知、倾听、理解和实时互动能力。CVI不仅是一个工具，更是一种全新的人机沟通方式，可应用于医疗、心理健康、销售培训、客户服务等多个领域，具有无限的使用场景。其背后的技术突破在于将人类对话的细微情感和节奏融入AI交互中，使AI不再是简单的回应，而是能思考、反应并改变我们与机器的互动方式。
小型智能多光旗舰无人机，支持智能检测、激光标注测量等多项功能。
DJI Matrice 4 系列无人机是大疆创新推出的面向行业应用的高性能无人机产品。该系列包含 Matrice 4T 和 Matrice 4E 两款机型，具备强大的智能检测、激光标注测量等功能。Matrice 4T 适用于电力巡检、应急抢险、公共安全、水利林业监测等多种场景，而 Matrice 4E 则更专注于高精度专业测绘和精细化表面巡检。其开放的机身 AI 算力和全面升级的配件，使得飞行系统更安全可靠，进一步提升了作业效率和精度。产品定位为高端行业无人机，价格区间为 Matrice 4T ￥38,888 起，Matrice 4E ￥27,888 起，适合需要高精度、高效率空中作业的企业和机构使用。
探索未来人机交互的AI代理项目
Project Mariner是Google DeepMind基于Gemini 2.0模型开发的早期研究原型，旨在探索未来的人机交互方式，特别是在网络浏览器中的应用。这个项目能够理解浏览器屏幕上的信息，包括像素和网页元素，如文本、代码、图像和表单，并利用这些信息完成任务。Project Mariner在技术上实现了通过Chrome扩展程序在浏览器中直接操作，为用户提供了一种全新的代理服务体验。
Anduril与OpenAI合作，推进美国人工智能领导力并保护美国及盟军。
Anduril Industries是一家国防技术公司，与OpenAI合作，共同开发并负责任地部署先进的人工智能解决方案，用于国家安全任务。通过结合OpenAI的先进模型和Anduril的高性能国防系统及Lattice软件平台，合作旨在提高保护美国及盟军军事人员免受无人机和其他空中设备攻击的国防系统。这一合作强调了美国在人工智能领域的领导地位
一个用于GUI视觉代理的视觉-语言-行动模型。
ShowUI是一个轻量级的视觉-语言-行动模型，专为GUI代理设计。它通过结合视觉输入、语言理解和行动预测，使得计算机界面能够以更自然的方式响应用户的指令。ShowUI的重要性在于它能够提高人机交互的效率和自然性，特别是在图形用户界面自动化和自然语言处理领域。该模型由showlab实验室开发，目前已在huggingface平台发布，供研究和应用。
AI驱动的界面解决方案，引领智能新体验。
Ant Design X 是由Ant Design团队推出的AI界面解决方案，它基于RICH设计范式（角色、意图、会话和混合界面），延续Ant Design的设计语言，提供了全新的AGI混合界面（Hybrid-UI）解决方案。Ant Design X 旨在通过AI技术提升人机交互的效率和体验，它适用于多种AI场景，包括Web独立式、Web助手式和Web嵌入式等。Ant Design X 的主要优点包括易于配置、极致体验的通用图表库，以及能够快速理解和表达AI意图的能力。产品背景信息显示，Ant Design X 是在蚂蚁集团内部海量AI产品中实践和迭代的结果，它的目标是创造更美好的智能视界。
智能穿戴设备领域的创新者
Gyges Labs致力于创造AI时代的智能穿戴设备，结合了独特的先进光学技术和协作AI技术。公司利用团队在微纳米光学方面的专业知识，开发了基于视网膜投影原理的DigiWindow技术，实现了世界上最小最轻的近眼显示模块。与Birdbath和波导等光学解决方案相比，DigiWindow不仅将尺寸从厘米减少到毫米，还降低了功耗，并提供了完整的视光学兼容性。此外，基于团队在协作AI方面的累积经验，Gyges Labs开发了基于镜像神经元原理并针对可穿戴设备定制的AI引擎Mirron，以增强未来可穿戴设备的感知和交互能力，为未来的“第二大脑”设备奠定了坚实的基础。
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。
沟通无界，让每次对话都创造价值。
心辰Lingo语音大模型是一款先进的人工智能语音模型，专注于提供高效、准确的语音识别和处理服务。它能够理解并处理自然语言，使得人机交互更加流畅和自然。该模型背后依托西湖心辰强大的AI技术，致力于在各种场景下提供高质量的语音交互体验。
AI、物联网、工业级人机界面一体化开发板
reTerminal by Seeed Studio是一款基于Raspberry Pi的一体化开发板，具备IPS多点触摸屏、双频Wi-Fi和蓝牙5.0，预装了兼容Linux系统。它采用模块化设计，提供丰富的接口和组件，适合开发个性化的物联网和人工智能项目，同时具备实现工业级监控和控制功能的能力。
实时语音交互的人工智能对话系统。
Listening-while-Speaking Language Model (LSLM)是一款旨在提升人机交互自然度的人工智能对话模型。它通过全双工建模(FDM)技术，实现了在说话时同时监听的能力，增强了实时交互性，尤其是在生成内容不满意时能够被打断和实时响应。LSLM采用了基于token的解码器仅TTS进行语音生成，以及流式自监督学习(SSL)编码器进行实时音频输入，通过三种融合策略（早期融合、中期融合和晚期融合）探索最佳交互平衡。
全身运动生成框架，支持多模态控制
ControlMM是一个全身运动生成框架，具有即插即用的多模态控制功能，能够在文本到运动(Text-to-Motion)、语音到手势(Speech-to-Gesture)和音乐到舞蹈(Music-to-Dance)等多个领域中生成稳健的运动。该模型在可控性、序列性和运动合理性方面具有明显优势，为人工智能领域提供了一种新的运动生成解决方案。
图像材质属性编辑技术
Alchemist是一种利用预训练的文本到图像模型和合成数据，允许用户在图像中编辑物体的材质属性的技术。它通过微调合成数据集，实现了对物体的特定材质属性（如粗糙度、金属感、基础颜色饱和度和透明度）的参数化编辑控制。这项技术的主要优点包括在保持物体几何形状和图像光照不变的同时，能够改变物体的属性，甚至在物体透明化时，能够真实地填充背后的背景、隐藏的内部结构和折射光效果。
一键自动去除抖音粉丝灯牌
小宾灯牌去除器是一款AI驱动的视频编辑工具，专为解决抖音粉丝灯牌问题而设计。它通过先进的算法自动识别并移除视频中的粉丝灯牌，提升视频的专业度和观众体验。主要优点包括简单易用、支持多种视频格式、GPU加速以及智能检测减少漏检。产品背景信息显示，它适用于主播、无人直播者、切片工作者和视频剪辑工作者等用户，帮助他们快速处理视频中的粉丝灯牌，提高工作效率。
生成受控于参考图像、音频和V-Kps序列的头像视频。
V-Express是一个由腾讯AI实验室开发的头像视频生成模型，它通过一系列渐进式丢弃操作平衡不同的控制信号，使得生成的视频能够同时考虑姿态、输入图像和音频。该模型特别针对音频信号较弱的情况进行了优化，解决了在控制信号强度不同的情况下生成头像视频的挑战。
探索人工智能如何塑造我们的世界和交互模式。
The Shape of AI 是一个专注于人工智能交互模式的网站，它提供了关于如何在设计中融入人工智能的深入见解。该网站强调了用户体验的重要性，并探讨了在AI驱动的世界中，如何通过设计来优化人机交互。它包含了丰富的资源和工具，帮助设计师和开发者理解AI的新兴模式，以及如何利用这些模式来提升他们的产品和服务。
© 2025 AIbase 备案号：闽ICP备08105208号-14