AI导哈

工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 225 / 422 页

AppAgentX – 西湖大学推出的自我进化式 GUI 代理框架

AppAgentX 是西湖大学推出的新型自我进化式 GUI（图形用户界面）代理框架，基于从执行历史中抽象出高级动作提升代理在智能手机交互中的效率和智能性。AppAgentX结合记忆机制和进化机制，记录任务执行过程，识别重复操作序列，替换为更高效的高级动作，减少对逐级推理的依赖。

阅读全文

Heygem – 硅基智能推出的开源数字人模型

Heygem 是硅基智能推出的开源数字人模型，专为 Windows 系统设计。基于先进的AI技术，仅需 1 秒视频或 1 张照片，能在 30 秒内完成数字人形象和声音克隆，在 60 秒内合成 4K 超高清视频。Heygem支持多语言输出、多表情动作，具备 100% 口型匹配能力，在复杂光影或遮挡场景下能保持高度逼真的效果。

阅读全文

Character-3 – Hedra 推出的全模态 AI 数字人视频生成模型

Character-3 是 Hedra Studio 推出的全模态 AI 数字人视频生成模型，能同时处理图像、文本和音频输入，通过联合推理生成高质量的视频。支持全身动作捕捉和情感控制，可生成大范围动态场景下的视频内容，让创作者能更精细地操控角色的表情、动作和情感。

阅读全文

Gemini Embedding – 谷歌推出的文本嵌入模型

Gemini Embedding 是 Google 推出的先进的文本嵌入模型，基于将文本转化为高维数值向量，捕捉其语义和上下文信息。Gemini Embedding基于 Gemini 模型训练，具备强大的语言理解能力，支持超过100种语言，在多语言文本嵌入基准测试（MTEB）中排名第一。

阅读全文

START – 阿里联合中科大推出的自学推理模型

START（Self-Taught Reasoner with Tools）是阿里巴巴集团和中国科学技术大学推出的新型工具增强型推理模型，结合外部工具（如Python代码执行器）提升大型语言模型（LLMs）的推理能力。START基于“Hint-infer”技术在推理过程中插入提示，激发模型使用外部工具，基于“Hint-RFT”框架进行自学习和微调。

阅读全文

Nanobrowser – AI网页自动化工具，自主完成复杂的网页任务

Nanobrowser 是开源的 Chrome 扩展工具，专注于 AI 驱动的网页自动化。Nanobrowser基于多智能体系统实现复杂的网页任务，如信息提取、自动化操作等。用户用自己的 LLM API 密钥，灵活选择不同的模型为不同智能体提供支持。

阅读全文

Cardamon – AI合规平台，自动解析法规文本转为合规义务

Cardamon 是 Y Combinator 推出 AI 驱动的合规平台，专为受监管的金融机构设计，通过自动化法规映射帮助企业快速实现合规。基于人工智能技术，将复杂的法规文本转化为具体的合规义务，几分钟内完成原本需要数周的工作。

阅读全文

autoMate – AI本地自动化工具，自然语言实现自动化任务操作

autoMate是基于AI和RPA的本地自动化工具，用自然语言实现复杂任务的自动化操作。autoMate基于大型语言模型，用户无需编程知识，用自然语言描述任务，能完成计算机界面操作、复杂工作流执行及智能决策。

阅读全文

Tolan – AI陪伴应用，与外星球的虚拟角色深度互动

Tolan 是AI陪伴应用，为用户提供情感支持和互动体验。Tolan是一个来自外星球的虚拟角色，能与用户聊天、分享想法、探讨兴趣爱好，用照片互动等方式提供陪伴。Tolan 的核心功能包括个性化对话、星球养成、日常任务及情感反馈，帮助用户在忙碌的生活中找到安慰和灵感。

阅读全文

Chikka.ai – AI语音访谈平台，智能语音代理模拟专业访谈者

Chikka.ai 是专注于客户访谈的AI平台，基于AI语音代理Ava，与受访者进行自然对话，快速收集分析语音反馈。Chikka.ai支持多语言访谈，能同时进行数百次对话，覆盖客户反馈、员工意见、新产品创意和市场契合度等多种场景。

阅读全文

URO-Bench – AI基准测试工具，专为端到端语音对话模型设计

URO-Bench 是面向端到端语音对话模型（SDMs）的全面基准测试工具。涵盖了多语言、多轮对话、副语言信息等多维度任务，全面评估语音对话模型的性能。

阅读全文

Duck.ai – DuckDuckGo 搜索引擎推出的免费 AI 聊天机器人

Duck.ai 是 DuckDuckGo 搜索引擎推出的免费私密的 AI 聊天服务，用户无需注册即可使用。通过代理技术隐藏用户 IP 地址，确保聊天内容不会被用于 AI 模型训练，保护用户隐私。Duck.ai 支持多种 AI 模型，包括 GPT-4o mini、Meta Llama 3.3、Mistral Small 3 和 Claude 3 Haiku 等。

阅读全文

LaWGPT – 南京大学推出的中文法律大语言模型

LaWGPT 是南京大学推出的中文法律大语言模型，基于 LLaMA 模型进行二次预训练，融入大量中文法律知识。专注于法律领域，能理解和生成与法律相关的文本，适用于法律咨询、案例分析、法律文件生成等多种场景。

阅读全文

Browser Operator – Opera 浏览器推出的 AI Agent工具

Browser Operator 是 Opera 浏览器推出的 AI Agent工具，通过自然语言指令帮助用户更高效地完成网页浏览任务。用户只需输入简单的指令，如“购买商品”或“预订机票”，Browser Operator 能自动执行相应操作，无需手动操作网页。

阅读全文

Wan – 阿里推出的AI内容创作平台，支持AI绘画、AI视频等

Wan是阿里推出的AI创意平台，平台搭载Wan2.1模型生成能力，专注于AI绘画和AI视频创作。AI绘画基于文字描述，快速生成具有艺术感的图像。AI视频支持将文本和图片转化为生动视频，满足故事叙述、产品展示需求，展现强大的创意和艺术氛围。

阅读全文

OWL – 开源多智能体协作系统，动态交互实现任务自动化

OWL（Optimized Workforce Learning）是基于CAMEL-AI框架开发的多智能体协作系统，通过智能体之间的动态交互实现高效的任务自动化。通过角色分配和任务分解，让多个智能体协同完成复杂任务，例如文件解析、代码生成、网页操作等。

阅读全文

DINO-XSeek – IDEA 研究院推出的多模态目标检测模型

DINO-XSeek 是 IDEA 研究院推出的多模态目标检测模型，结合视觉感知和自然语言理解能力。DINO-XSeek基于复杂的语言描述精准定位图像中的目标，识别目标的属性（如颜色、形状、动作等）、位置关系及交互情况。模型基于 DINO-X 统一视觉模型，用检索式框架，先检测图像中的所有物体，再用大语言模型从候选目标中检索最相关的对象。

阅读全文

GEN3C – NVIDIA 联合多伦多大学等推出的生成式视频模型

GEN3C 是NVIDIA、多伦多大学和向量研究所推出的新型生成式视频模型，基于精确的相机控制和时空一致性生成高质量的 3D 视频内容。GEN3C构建基于点云的 3D 缓存指导视频生成，用输入图像或视频帧的深度估计反投影生成 3D 场景，根据用户提供的相机轨迹渲染 2D 视频，作为生成模型的条件输入。

阅读全文