DeepHermes 3 是一款支持推理和常规响应模式的大型语言模型。
DeepHermes 3 是 NousResearch 开发的先进语言模型，能够通过系统性推理提升回答准确性。它支持推理模式和常规响应模式，用户可以通过系统提示切换。该模型在多轮对话、角色扮演、推理等方面表现出色，旨在为用户提供更强大和灵活的语言生成能力。模型基于 Llama-3.1-8B 微调，参数量达 80.3 亿，支持多种应用场景，如推理、对话、函数调用等。
Inferable 是一个开源平台，用于创建内部运营的对话式 AI 代理。
Inferable 是一个专注于内部运营的对话式 AI 代理平台，旨在帮助企业和团队整合内部系统、碎片化代码库和一次性脚本。通过对话式代理，企业可以减少在内部工具开发上的时间投入，提高工作效率。该平台支持多种编程语言的 SDK，包括 Node.js、Golang 和 C#，并计划扩展更多语言支持。其核心是一个分布式消息队列，确保 AI 自动化的可扩展性和可靠性。此外，Inferable 提供了丰富的功能，如分布式函数编排、人类在循环（Human in the Loop）、代码重用、语言支持、本地执行、可观测性和结构化输出等。它还内置了 ReAct 代理，能够通过逐步推理解决复杂问题，并调用函数解决子问题。Inferable 完全开源，支持自托管，用户可以在自己的基础设施上运行，确保数据和计算的完全控制。其定价和具体定位信息在页面中未明确提及，但从其功能和目标受众来看，主要面向企业级用户，特别是需要高效内部运营和数据隐私保护的团队。
Kimi 视觉模型可理解图片内容，包括文字、颜色和物体形状等。
Kimi 视觉模型是 Moonshot AI 开放平台提供的先进图像理解技术。它能够准确识别和理解图片中的文字、颜色和物体形状等内容，为用户提供强大的视觉分析能力。该模型具有高效、准确的特点，适用于多种场景，如图像内容描述、视觉问答等。其定价与 moonshot-v1 系列模型一致，根据模型推理的总 Tokens 计费，每张图片消耗的 Tokens 为固定值 1024。
OpenAI o1 是一款先进的AI模型，专为复杂任务设计。
OpenAI o1 是一个高性能的AI模型，旨在处理复杂的多步骤任务，并提供先进的准确性。它是o1-preview的后继产品，已经用于构建代理应用程序，以简化客户支持、优化供应链决策和预测复杂的金融趋势。o1模型具有生产就绪的关键特性，包括函数调用、结构化输出、开发者消息、视觉能力等。o1-2024-12-17版本在多个基准测试中创下了新的最高成绩，提高了成本效率和性能。
Hermes系列的最新版大型语言模型
Hermes 3是Nous Research公司推出的Hermes系列最新版大型语言模型（LLM），相较于Hermes 2，它在代理能力、角色扮演、推理、多轮对话、长文本连贯性等方面都有显著提升。Hermes系列模型的核心理念是将LLM与用户对齐，赋予终端用户强大的引导能力和控制权。Hermes 3在Hermes 2的基础上，进一步增强了功能调用和结构化输出能力，提升了通用助手能力和代码生成技能。
智能语音转文字工具，高效且用户友好。
AsrTools是一款基于人工智能技术的语音转文字工具，它通过调用大厂的ASR服务接口，实现了无需GPU和复杂配置的高效语音识别功能。该工具支持批量处理和多线程并发，能够快速将音频文件转换成SRT或TXT格式的字幕文件。AsrTools的用户界面基于PyQt5和qfluentwidgets，提供高颜值且易于操作的交互体验。它的主要优点包括调用大厂接口的稳定性、无需复杂配置的便捷性、以及多格式输出的灵活性。AsrTools适合需要快速将语音内容转换成文字的用户，特别是在视频制作、音频编辑和字幕生成等领域。目前，AsrTools提供免费使用大厂ASR服务的模式，对于个人和小团队来说，可以显著降低成本并提高工作效率。
精确到词级的自动语音识别模型
CrisperWhisper是基于OpenAI的Whisper模型的高级变体，专为快速、准确、逐字的语音识别设计，提供准确的词级时间戳。与原始Whisper模型相比，CrisperWhisper旨在逐字转录每一个说出的单词，包括填充词、停顿、口吃和错误的开始。该模型在逐字数据集（如TED、AMI）中排名第一，并在INTERSPEECH 2024上被接受。
AI视频广告制作器，一键生成病毒式视频。
Creatify 2.0是一款AI视频广告制作器，具有文本到视频的转换功能和AI编辑功能，旨在创建病毒式广告创意，提升市场营销效率。它支持9种以上的风格，包括卡通、现实、3D等，帮助用户快速生成引人入胜的视频广告，并且能够针对特定受众进行定制化推广。
将想法转化为高质量图像的AI工具。
Flux AI Image Generator（FAIG）是由Black Forest Labs开发的尖端人工智能技术，能够根据文本提示快速生成高质量、逼真而艺术的视觉效果。它具备混合架构，结合了多模态和并行扩散变压器块，使得在图像质量、速度和遵循用户提示方面表现卓越。
开启创造新纪元的AI图像生成工具
FLUX.1是Black Forest Labs推出的先进AI图像生成模型，提供高质量的图像生成服务，支持多种语言提示，具有出色的视觉质量和图像细节，以及多样化的输出选项。FLUX.1 [pro]、[dev]和[schnell]三个版本分别针对不同的使用场景和需求，满足从专业到个人的各种应用。
AI驱动的智能图像编辑工具
Diffree是一个利用AI技术简化图像编辑流程的在线工具。它通过用户友好的界面，允许用户通过简单的文字描述来添加图像元素，无需专业的图像编辑技能。Diffree的智能算法能够自动定位新对象的最佳位置，确保新添加的对象在光照、色调和颜色上与原图无缝融合，生成高质量的图像输出。
分布式长视频生成技术
Video-Infinity 是一种分布式长视频生成技术，能够在5分钟内生成2300帧的视频，速度是先前方法的100倍。该技术基于VideoCrafter2模型，采用了Clip Parallelism和Dual-scope Attention等创新技术，显著提高了视频生成的效率和质量。
创新的AI视频生成器，快速实现创意视频。
Luma AI的Dream Machine是一款AI视频生成器，它利用先进的AI技术，将用户的想法转化为高质量、逼真的视频。它支持从文字描述或图片开始生成视频，具有高度的可扩展性、快速生成能力和实时访问功能。产品界面用户友好，适合专业人士和创意爱好者使用。Luma AI的Dream Machine不断更新，以保持技术领先，为用户提供持续改进的视频生成体验。
先进的文本到图像AI模型，实现高质量图像生成。
Stable Diffusion 3 Medium是Stability AI迄今为止发布的最先进文本到图像生成模型。它具有2亿参数，提供出色的细节、色彩和光照效果，支持多种风格。模型对长文本和复杂提示的理解能力强，能够生成具有空间推理、构图元素、动作和风格的图像。此外，它还实现了前所未有的文本质量，减少了拼写、字距、字母形成和间距的错误。模型资源效率高，适合在标准消费级GPU上运行，且具备微调能力，可以吸收小数据集中的细微细节，非常适合定制化。
一种单步视频生成模型，实现高质量视频合成。
SF-V是一种基于扩散的视频生成模型，通过对抗训练优化预训练模型，实现了单步生成高质量视频的能力。这种模型在保持视频数据的时间和空间依赖性的同时，显著降低了去噪过程的计算成本，为实时视频合成和编辑铺平了道路。
辅助人类校验大型语言模型（LLM）输出中的事实错误并提供证据的工具
GenAudit 是一个旨在帮助校验大型语言模型（LLM）在文档支持任务中的响应的工具。它可以建议对LLM响应进行编辑，通过修正或移除未被参考文档支持的声明，并且为看似有支持的事实提供参考证据。GenAudit 通过训练模型执行这些任务，并设计了一个交互式界面向用户展示建议的编辑和证据。
基于Google Gemini的网页客户端，支持上传图片进行识别。
ChatGemini是一个基于Google Gemini的网页客户端，对标ChatGPT 3.5，使用逻辑同ChatGPT 3.5，同时支持在聊天中上传图片，自动调用Gemini-Pro-Vision模型进行识图。用户可以自定义Gemini API服务器地址，将项目部署至支持PHP的服务器。
闪电般快速，经济实惠的播客转录
Listen411是一款闪电般快速、经济实惠的播客转录与摘要工具。用户可以按需付费，每分钟0.06美元加上每个文件1美元的费用。它能在1分钟内将1小时的音频文件转录成文字。支持多种常见音视频格式，包括aac、flac、mp3等，并支持英语、西班牙语、法语等多种语言。转录结果可输出为纯文本、srt、vtt和json格式。用户可通过上传文件或URL来进行转录。支持的功能包括快速转录、经济实惠、多种格式输出等。
© 2025 AIbase 备案号：闽ICP备08105208号-14