中文精选

腾讯混元图像 2.0
腾讯混元图像 2.0 是腾讯最新发布的 AI 图像生成模型,显著提升了生成速度和画质。通过超高压缩倍率的编解码器和全新扩散架构,使得图像生成速度可达到毫秒级,避免了传统生成的等待时间。同时,模型通过强化学习算法与人类美学知识的结合,提升了图像的真实感和细节表现,适合设计师、创作者等专业用户使用。
图片生成
176.1K

Rapport AI Driven Avatars
Rapport AI-Driven Avatars 是一个基于AI技术的虚拟形象平台,专注于创建、动画化和部署具有情感智能的交互式虚拟角色。该平台支持多语言实时交互,适用于各种设备和平台。其核心技术包括实时音频驱动的面部动画和精准的唇部同步,通过与 Speech Graphics 的合作,提供卓越的视觉效果。该产品主要面向教育、企业培训、娱乐和营销等领域,旨在通过沉浸式体验提升用户参与度和学习效果。平台提供免费的探索者层级和付费的创作者层级,后者支持更多高级功能和定制化选项。
AI角色生成
56.9K

Liteavatar
LiteAvatar是一个音频驱动的实时2D头像生成模型,主要用于实时聊天场景。该模型通过高效的语音识别和嘴型参数预测技术,结合轻量级的2D人脸生成模型,能够在仅使用CPU的设备上实现30fps的实时推理。其主要优点包括高效的音频特征提取、轻量级的模型设计以及对移动设备的友好支持。该技术适用于需要实时交互的虚拟头像生成场景,如在线会议、虚拟直播等,背景基于对实时交互和低硬件要求的需求而开发,目前开源免费,定位为高效、低资源消耗的实时头像生成解决方案。
聊天机器人
95.5K

Smallest AI
Smallest AI 是一家专注于提供实时 AI 服务的公司,旗下 Waves 和 Atoms 产品分别专注于生成高质量的 AI 语音和提供实时 AI 客服代理。Waves 能够实时生成任何口音、语言或情感的 AI 语音,适用于需要个性化语音交互的场景;Atoms 则通过 AI 与客户进行电话沟通,减轻企业客服负担。该技术的重要性在于能够帮助企业提升客户体验,同时降低人力成本。其定位是为企业提供高效、个性化的 AI 解决方案,具体价格未在页面中明确提及,但根据其服务性质推测可能为付费模式。
语音克隆
62.1K

Zonos V0.1
Zonos-v0.1 是 Zyphra 团队开发的实时文本转语音(TTS)模型,具备高保真语音克隆功能。该模型包含一个 1.6B 参数的 Transformer 模型和一个 1.6B 参数的混合模型(Hybrid),均在 Apache 2.0 开源许可下发布。它能够根据文本提示生成自然、富有表现力的语音,并支持多种语言。此外,Zonos-v0.1 还可以通过 5 到 30 秒的语音片段实现高质量的语音克隆,并且可以根据说话速度、音调、音质和情绪等条件进行调整。其主要优点是生成质量高、支持实时交互,并且提供了灵活的语音控制功能。该模型的发布旨在推动 TTS 技术的研究和发展。
语音克隆
64.3K
优质新品

VITA 1.5
VITA-1.5 是一款开源的多模态大语言模型,旨在实现接近实时的视觉和语音交互。它通过显著降低交互延迟和提升多模态性能,为用户提供更流畅的交互体验。该模型支持英语和中文,适用于多种应用场景,如图像识别、语音识别和自然语言处理等。其主要优点包括高效的语音处理能力和强大的多模态理解能力。
AI模型
64.6K

The Matrix
The Matrix是一个先锋项目,旨在通过AI技术打造一个全沉浸式、交互式的数字宇宙,模糊现实与幻觉之间的界限。该项目通过提供帧级精度的用户交互、AAA级视觉效果以及无限的生成能力,突破了现有视频模型的局限,为用户带来无尽的探索体验。The Matrix由阿里巴巴集团、香港大学、滑铁卢大学和Vector Institute共同研发,代表了世界模拟技术的新高度。
虚拟现实
55.8K
国外精选

Decart
Decart是一个高效的AI平台,提供了在训练和推理大型生成模型方面的数量级改进。利用这些先进的能力,Decart能够训练基础的生成交互模型,并使每个人都能在实时中访问。Decart的OASIS模型是一个实时生成的AI开放世界模型,代表了实时视频生成的未来。该平台还提供了对1000+ NVIDIA H100 Tensor Core GPU集群进行训练或推理的能力,为AI视频生成领域带来了突破性进展。
模型训练与部署
68.2K

Character SDK
Character SDK是一个能够创建AI角色的平台,这些角色可以实时听、说、看,甚至采取行动。它通过实时语音和视觉识别、高级OCR处理、多语言交流、自适应推理和基于意图的任务自动化等技术,帮助企业提高效率,减少成本,并提供个性化的用户体验。
AI角色生成
63.2K
优质新品

Intertrack
InterTrack 是一种先进的跟踪技术,能够在单目RGB视频中跟踪人体与物体的交互,即使在遮挡和动态运动下也能保持跟踪的连贯性。该技术无需使用任何对象模板,仅通过合成数据训练即可在真实世界视频中实现良好的泛化。InterTrack 通过分解4D跟踪问题为每帧的姿态跟踪和规范形状优化,显著提高了跟踪的准确性和效率。
视频编辑
49.7K

Aurore.ai
Aurore.ai是一个智能伴侣应用程序,旨在通过聊天、策略讨论和陪伴,提升用户的游戏体验和工作效率。它利用最新的人工智能技术,提供实时的听觉和视觉交互,以及个性化的定制体验。Aurore.ai与ChatADy.com合作,允许用户通过与Aurore互动来重新充值余额。
聊天机器人
53.0K

Metahuman Stream
metahuman-stream是一个开源的实时交互数字人模型项目,它通过先进的技术实现数字人与用户的音视频同步对话,具有商业应用潜力。该项目支持多种数字人模型,包括ernerf、musetalk、wav2lip等,并且具有声音克隆、数字人说话被打断、全身视频拼接等功能。
AI数字人
102.4K
优质新品

Scoopika
Scoopika是一个开源的开发者平台,旨在帮助开发者构建能够看、说、听、学习并采取行动的个性化AI代理。它为AI时代提供了一个安全、高效且易于使用的平台,支持全边缘兼容性和实时流媒体,内置视觉和语音聊天功能。Scoopika强调了其开放源代码的特性,提供了服务器端和客户端的运行库,以及React项目中的集成模块,拥有一个不断增长的开发者社区。
开发平台
56.6K

Azure 认知服务语音
Azure 认知服务语音是微软推出的一款语音识别与合成服务,支持超过100种语言和方言的语音转文本和文本转语音功能。它通过创建可处理特定术语、背景噪音和重音的自定义语音模型,提高听录的准确度。此外,该服务还支持实时语音转文本、语音翻译、文本转语音等功能,适用于多种商业场景,如字幕生成、通话后听录分析、视频翻译等。
AI语音识别
60.2K
国外精选

Carteisa Sonic
Sonic是由Carteisa团队开发的低延迟语音模型,旨在为各种设备提供逼真的语音生成能力。该模型利用了创新的状态空间模型架构,以实现高分辨率音频和视频的高效、低延迟生成。Sonic模型的延迟仅为135毫秒,是同类模型中最快的。Carteisa团队专注于优化智能的效率,使它更快、更便宜、更易于访问。Sonic模型的发布,标志着实时对话式AI和长期记忆的计算平台的初步进展,预示着未来AI在实时游戏、客户支持等领域的新体验。
语音克隆
69.0K

Webvoyager
WebVoyager是一款创新的大型多模态模型(LMM)驱动的网络代理,能够通过与现实世界的网站交互,端到端完成用户指令。我们提出了一种新的网络代理评估协议,以解决开放式网络代理任务的自动评估挑战,利用GPT-4V的强大多模态理解能力。我们从15个广泛使用的网站收集了真实世界任务,用于评估我们的代理。我们展示了WebVoyager实现了55.7%的任务成功率,明显超过了GPT-4(所有工具)和WebVoyager(仅文本)设置的性能,突显了WebVoyager在实际应用中的卓越能力。我们发现我们提出的自动评估与人类判断达成了85.3%的一致性,为在真实世界环境中进一步发展网络代理铺平了道路。
AI Agents
61.5K

Roboresponseai
RoboResponseAI是一款由生成式AI驱动的主动式聊天机器人,能够主动发起对话并根据用户反馈不断改进,提高网站访客转化为潜在客户的比例。它能根据页面内容和访客行为引导访客提出相关问题,有效地引导和增加潜在客户的转化率。同时,它还能在用户离开前收集有价值的反馈意见,帮助您优化业务。RoboResponseAI还提供个性化、人性化的回答,让客户与您的业务更亲密。
聊天机器人
50.8K
精选AI产品推荐
中文精选

Nocode
NoCode 是一款无需编程经验的平台,允许用户通过自然语言描述创意并快速生成应用,旨在降低开发门槛,让更多人能实现他们的创意。该平台提供实时预览和一键部署功能,非常适合非技术背景的用户,帮助他们将想法转化为现实。
开发平台
107.6K
优质新品

Listenhub
ListenHub 是一款轻量级的 AI 播客生成工具,支持中文和英语,基于前沿 AI 技术,能够快速生成用户感兴趣的播客内容。其主要优点包括自然对话和超真实人声效果,使得用户能够随时随地享受高品质的听觉体验。ListenHub 不仅提升了内容生成的速度,还兼容移动端,便于用户在不同场合使用。产品定位为高效的信息获取工具,适合广泛的听众需求。
音频生成
86.4K
国外精选

Lovart
Lovart 是一款革命性的 AI 设计代理,能够将创意提示转化为艺术作品,支持从故事板到品牌视觉的多种设计需求。其重要性在于打破传统设计流程,节省时间并提升创意灵感。Lovart 当前处于测试阶段,用户可加入等候名单,随时体验设计的乐趣。
AI设计工具
108.5K

Fastvlm
FastVLM 是一种高效的视觉编码模型,专为视觉语言模型设计。它通过创新的 FastViTHD 混合视觉编码器,减少了高分辨率图像的编码时间和输出的 token 数量,使得模型在速度和精度上表现出色。FastVLM 的主要定位是为开发者提供强大的视觉语言处理能力,适用于各种应用场景,尤其在需要快速响应的移动设备上表现优异。
AI模型
85.3K
国外精选

Smart PDFs
Smart PDFs 是一个在线工具,利用 AI 技术快速分析 PDF 文档,并生成简明扼要的总结。它适合需要快速获取文档要点的用户,如学生、研究人员和商务人士。该工具使用 Llama 3.3 模型,支持多种语言,是提高工作效率的理想选择,完全免费使用。
文章摘要
53.5K

Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。它解决了传统唇同步技术中的时间一致性问题,同时通过巧妙的遮罩策略处理表情泄漏和面部遮挡。KeySync 的优越性体现在其在唇重建和跨同步方面的先进成果,适用于自动配音等实际应用场景。
视频编辑
80.6K

Anyvoice
AnyVoice是一款领先的AI声音生成器,采用先进的深度学习模型,将文本转换为与人类无法区分的自然语音。其主要优点包括超真实的声音效果、多语言支持、快速生成能力以及语音定制功能。该产品适用于多种场景,如内容创作、教育、商业和娱乐制作等,旨在为用户提供高效、便捷的语音生成解决方案。目前产品提供免费试用,适合不同层次的用户。
音频生成
651.4K
中文精选

Liblibai
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。平台提供海量免费AI创作模型,用户可以搜索使用模型进行图像、文字、音频等创作。平台还支持用户训练自己的AI模型。平台定位于广大创作者用户,致力于创造条件普惠,服务创意产业,让每个人都享有创作的乐趣。
AI模型
8.0M