海外精選

Omniparser V2
OmniParser V2は、Microsoft Researchチームが開発した、大規模言語モデル(LLM)をグラフィカルユーザーインターフェース(GUI)を理解し操作できるインテリジェントエージェントに変換することを目的とした、高度なAIモデルです。この技術は、インターフェースのスクリーンショットをピクセル空間から解釈可能な構造化された要素に変換することで、LLMがインタラクティブなアイコンをより正確に認識し、画面上で所定のアクションを実行できるようにします。OmniParser V2は、小さなアイコンの検出と高速な推論において顕著な進歩を遂げ、GPT-4oと組み合わせたScreenSpot Proベンチマークテストでは、平均精度39.6%を達成し、元のモデルの0.8%をはるかに上回っています。さらに、OmniParser V2はOmniToolツールを提供しており、さまざまなLLMとの連携をサポートし、GUI自動化のさらなる発展を推進します。
自動化ワークフロー
79.5K

Aria UI
Aria-UIは、GUI指示の視覚的ローカリゼーション用に設計された大規模な多様なモダリティモデルです。補助入力に依存せず、純粋に視覚的なアプローチを採用することで、多様な計画指示に適応し、多様で高品質な指示サンプルを合成することにより、様々なタスクに対応します。Aria-UIは、オフラインおよびオンラインのエージェントベンチマークテストで、視覚のみとAXTreeに依存するベースラインを上回り、新たな最高記録を樹立しました。
AI設計ツール
48.3K

Showui
ShowUIは、GUIエージェント向けに設計された軽量な視覚言語行動モデルです。視覚入力、言語理解、行動予測を組み合わせることで、コンピュータインターフェースがより自然な方法でユーザーの指示に応答することを可能にします。ShowUIの重要性は、特にGUI自動化や自然言語処理の分野において、人間とコンピュータのインタラクションの効率性と自然性を向上させる点にあります。このモデルはshowlab研究所によって開発され、現在Hugging Faceプラットフォームで公開されており、研究とアプリケーションに使用できます。
AIモデル
50.2K
おすすめAI製品
海外精選

Jules AI
Jules は、自動で煩雑なコーディングタスクを処理し、あなたに核心的なコーディングに時間をかけることを可能にする異步コーディングエージェントです。その主な強みは GitHub との統合で、Pull Request(PR) を自動化し、テストを実行し、クラウド仮想マシン上でコードを検証することで、開発効率を大幅に向上させています。Jules はさまざまな開発者に適しており、特に忙しいチームには効果的にプロジェクトとコードの品質を管理する支援を行います。
開発プログラミング
39.7K

Nocode
NoCode はプログラミング経験を必要としないプラットフォームで、ユーザーが自然言語でアイデアを表現し、迅速にアプリケーションを生成することが可能です。これにより、開発の障壁を下げ、より多くの人が自身のアイデアを実現できるようになります。このプラットフォームはリアルタイムプレビュー機能とワンクリックデプロイ機能を提供しており、技術的な知識がないユーザーにも非常に使いやすい設計となっています。
開発プラットフォーム
38.9K

Listenhub
ListenHub は軽量級の AI ポッドキャストジェネレーターであり、中国語と英語に対応しています。最先端の AI 技術を使用し、ユーザーが興味を持つポッドキャストコンテンツを迅速に生成できます。その主な利点には、自然な会話と超高品質な音声効果が含まれており、いつでもどこでも高品質な聴覚体験を楽しむことができます。ListenHub はコンテンツ生成速度を改善するだけでなく、モバイルデバイスにも対応しており、さまざまな場面で使いやすいです。情報取得の高効率なツールとして位置づけられており、幅広いリスナーのニーズに応えています。
AI
38.1K
中国語精選

腾讯混元画像 2.0
腾讯混元画像 2.0 は腾讯が最新に発表したAI画像生成モデルで、生成スピードと画質が大幅に向上しました。超高圧縮倍率のエンコード?デコーダーと新しい拡散アーキテクチャを採用しており、画像生成速度はミリ秒級まで到達し、従来の時間のかかる生成を回避することが可能です。また、強化学習アルゴリズムと人間の美的知識の統合により、画像のリアリズムと詳細表現力を向上させ、デザイナー、クリエーターなどの専門ユーザーに適しています。
画像生成
38.4K

Openmemory MCP
OpenMemoryはオープンソースの個人向けメモリレイヤーで、大規模言語モデル(LLM)に私密でポータブルなメモリ管理を提供します。ユーザーはデータに対する完全な制御権を持ち、AIアプリケーションを作成する際も安全性を保つことができます。このプロジェクトはDocker、Python、Node.jsをサポートしており、開発者が個別化されたAI体験を行うのに適しています。また、個人情報を漏らすことなくAIを利用したいユーザーにお勧めします。
オープンソース
38.9K

Fastvlm
FastVLM は、視覚言語モデル向けに設計された効果的な視覚符号化モデルです。イノベーティブな FastViTHD ミックスドビジュアル符号化エンジンを使用することで、高解像度画像の符号化時間と出力されるトークンの数を削減し、モデルのスループットと精度を向上させました。FastVLM の主な位置付けは、開発者が強力な視覚言語処理機能を得られるように支援し、特に迅速なレスポンスが必要なモバイルデバイス上で優れたパフォーマンスを発揮します。
画像処理
38.4K
海外精選

ピカ
ピカは、ユーザーが自身の創造的なアイデアをアップロードすると、AIがそれに基づいた動画を自動生成する動画制作プラットフォームです。主な機能は、多様なアイデアからの動画生成、プロフェッショナルな動画効果、シンプルで使いやすい操作性です。無料トライアル方式を採用しており、クリエイターや動画愛好家をターゲットとしています。
映像制作
17.6M
中国語精選

Liblibai
LiblibAIは、中国をリードするAI創作プラットフォームです。強力なAI創作能力を提供し、クリエイターの創造性を支援します。プラットフォームは膨大な数の無料AI創作モデルを提供しており、ユーザーは検索してモデルを使用し、画像、テキスト、音声などの創作を行うことができます。また、ユーザーによる独自のAIモデルのトレーニングもサポートしています。幅広いクリエイターユーザーを対象としたプラットフォームとして、創作の機会を平等に提供し、クリエイティブ産業に貢献することで、誰もが創作の喜びを享受できるようにすることを目指しています。
AIモデル
6.9M