AI文章
读懂模型与应用的新进展，找到值得尝试的 AI 实践。
7,595篇文章，持续更新
文章列表
MIP-Adapter – 阿里开源多参考图像融合的个性化图像生成技术
MIP-Adapter是一种个性化图像生成技术，由阿里巴巴集团推出并开源。基于IP-Adapter模型，进一步扩展其能力，支持同时处理多个参考图像，生成更准确和高质量的定制化图像。MIP-Adapter通过为每个参考图像分配一个重要性分数，解决多图像输入时的对象混淆问题。
AskYourPDF – AI驱动的PDF文档处理工具，交互式查询和检索信息
AskYourPDF是一个AI驱动的PDF文档处理工具，支持用户通过自然语言查询与PDF文件进行交互，快速检索和提取信息。用户可以上传文档至其数据库，通过提问获得即时答案和关键洞察。
SlidesGPT – AI演示文稿生成器，基于ChatGPT API自动生成
SlidesGPT是一个基于ChatGPT API的人工智能演示文稿生成器，能根据用户提供的文本提示快速创建专业的PowerPoint和Google幻灯片。用户只需输入演示文稿的标题或主题，选择一个设计主题，然后点击生成，SlidesGPT可自动生成包含文本和图像的演示文稿。
LiveKit Agents – 创建实时与用户互动的多模态AI代理框架
LiveKit Agents 是一个强大的框架，用于创建能实时通过语音、视频和数据与用户互动的多模态AI代理。框架支持 Python 编程，简化开发过程，支持开发者轻松集成语音识别、语音合成和先进的语言模型。
FlexClip – 在线AI视频编辑工具，海量资源库和丰富的编辑功能
FlexClip是一个功能强大的在线视频编辑平台，提供简单易用的界面和丰富的视频编辑工具，用户能快速创建专业的视频内容。平台拥有数百万高质量的视频、图片和音频资源，支持多种视频格式的上传和编辑。
Graphy – AI数据可视化平台，添加数据自动生成图表
Graphy 是一个先进的数据可视化平台，基于强大的AI技术，使用户轻松地将数据转化为引人入胜的视觉故事。平台通过简化数据展示和沟通的方式，赋予每个人成为技术数据讲述者的能力。用户只需添加数据，Graphy 的 AI 能自动生成图表，并提供关键见解，图表和见解能轻松地集成到演示文稿中，或者直接分享到 Slack。
Realtime API – OpenAI推出的实时语音交互API
Realtime API是OpenAI推出的一种低延迟、多模态的对话式API，支持文本和音频作为输入和输出。Realtime API允许开发者构建接近实时的交互体验，例如语音对语音的应用程序。包括原生的语音处理能力、自然的声音输出，以及同时处理多种模态的输出。
FLUX1.1 – Black Forest Labs团队推出的超写实AI图像生成模型，代号“蓝莓”
FLUX1.1 Pro是Black Forest Labs团队最新推出的升级版AI图像生成模型，代号“蓝莓”，提供比前代快6倍的生成速度，同时保持了图像的及时性和多样性。FLUX1.1目前仅包含FLUX1.1 Pro模型，预计后续会开放更多的系列模型，FLUX1.1 Pro通过API对外开放，主要面向开发者和企业用户。FLUX1.1 Pro的一个独特功能是支持通过模仿单反相机文件名的技巧来增强图像的真实感
VideoLingo – 全自动AI视频翻译工具，一键搞定双语字幕和配音
VideoLingo 是一款一键全自动视频翻译工具，能将视频进行字幕切割、翻译、对齐和配音，最终生成 Netflix 级别的字幕和配音。VideoLingo 基于自然语言处理（NLP）和大型语言模型（LLM）技术，提供智能术语知识库，实现上下文感知翻译。
星火飞码 – 科大讯飞推出的AI编程助手
星火飞码（iFlyCode）是科大讯飞推出的AI编程助手，基于讯飞星火大模型提供代码生成、续写、解释和单元测试等功能。简化编程工作，提高开发效率，支持多种编程语言。星火飞码（iFlyCode）适用于个人和团队，提供企业版和插件支持，适用于教育、金融等行业，助力提升工作效率和代码质量。
ChatGPT Canvas – OpenAI发布的新功能，支持用户与AI协作完成写作和编程项目
Canvas是OpenAI发布的ChatGPT新功能，支持用户与ChatGPT一起进行协作式写作和编程。用户能对ChatGPT生成的文本和代码进行二次创作和编辑，交互更加灵活和深入。在写作方面，Canvas提供编辑建议、调整文章长度、更改阅读级别、添加润色和表情符号等功能，帮助用户优化内容，更加符合需求。在编程方面，Canvas支持代码审查、添加日志、注释、修复错误以及将代码翻译成不同的编程语言，开发者能与AI协作，提高编程效率。
Bolt․new – AI全栈 Web 编程工具，自动写代码、运行、部署
Bolt․new 是一个AI全栈Web编程工具，自动编写代码、运行、编辑和部署应用程序。Bolt․new依托于 WebContainers 技术，支持在浏览器中直接运行完整的 Node.js 环境，无需任何本地安装或配置。用户只需通过简单的提示命令，快速生成代码，并且立即在浏览器中运行和测试代码。
Depth Pro – 苹果推出2D图像生成3D深度图的开源模型
Depth Pro是苹果公司开发的一种先进的单目深度估计模型，能从单个2D图像快速生成高分辨率的3D深度图。模型不仅速度快，只需0.3秒，而且提供度量级别的深度信息，生成的深度图具有真实的世界尺度。
Movie Gen – Meta推出文本驱动的AI视频生成与编辑工具
Movie Gen 是 Meta 推出的AI视频生成工具，能根据文本提示生成和编辑视频，为视频配上同步音频。技术包括创建长达16秒的高清视频、为现有视频配上音频、编辑视频以及基于照片制作定制视频。
Consensus – AI学术研究搜索引擎，超2亿篇同行评审研究论文
Consensus 是一个AI驱动的学术搜索引擎，基于大型语言模型（LLM）和向量搜索技术，帮助用户快速检索和理解科学文献。平台提供超过2亿篇同行评审的研究论文，通过AI工具如Consensus Meter和Copilot，为用户提供直观的搜索体验和科研文献支持的答案。
Steve AI – AI视频生成的平台，支持多模态数据转化为多种视频风格
Steve AI 是一个基于云端的AI视频生成平台，能将文本、博客、网页或音频内容快速转化为高质量的视频和动画。平台基于先进的AI技术，用户即使没有视频编辑经验，也能制作出引人注目的视频内容。Steve AI 支持多种视频输出风格，包括动画、GenAI和现场培训视频等。
JoyHallo – 京东推出的音频驱动视频生成AI数字人模型
JoyHallo 是京东开源的AI数字人模型，专为普通话设计，能根据音频生成逼真的说话视频。特别适合处理普通话的复杂口型和语调，具有跨语言生成视频的能力。
MemoryScope – 为LLM聊天机器人配备的长期记忆系统
MemoryScope是一个为大型语言模型（LLM）聊天机器人设计的长期记忆系统。通过构建一个框架，使机器人记住用户的基础信息、习惯和偏好，提供个性化的交互体验。MemoryScope具备记忆数据库、核心worker库和核心Operation库，支持记忆检索、记忆巩固、反思与再巩固等功能。