AI工具

Tunee是新一代AI音乐智能体，能帮助用户轻松创作音乐，通过文字、图片、音频等方式与Tunee交流创作想法，Tunee像专业音乐制作人一样理解并提供帮助，包括作曲...

Wan2.2-S2V 是开源的多模态视频生成模型，仅需一张静态图片和一段音频，能生成电影级数字人视频，视频时长可达分钟级，且支持多种图片类型和画幅。

Colorify AI 是基于人工智能的图像上色工具，能将黑白照片转换为彩色照片，也可以将文本或照片快速转换为高质量的涂色页。用户只需上传黑白照片或输入简单的...

Gemini 2.5 Flash Image（代号nano banana）是谷歌 AI Studio推出的先进图像生成与编辑模型。模型能保持角色在不同场景中的一致性，支持通过自然语言进行精准...

Emergent 是强大的 AI 编程工具，能通过一句话生成全栈生产级应用，涵盖前端、后端、数据库、认证、支付集成等，并直接输出 iOS 和 Android 应用包。

SpatialLM 1.5 是群核科技推出的强大的空间语言模型。模型基于大语言模型训练，能理解自然语言指令，输出包含空间结构、物体关系和物理参数的空间语言。用户...

WhisperLiveKit 是开源的实时语音识别工具，能将语音实时转录为文字，支持说话人识别。工具基于先进的技术如 SimulStreaming 和 WhisperStreaming，提供超低...

VibePPT 是 AI 演示文稿制作工具，通过对话式交互，让用户能快速生成具有专业设计感的演示文稿。用户只需输入主题或内容，VibePPT能智能生成幻灯片，提供多种...

XBai o4是开源的大语言模型，基于“反射生成形式”训练，结合长CoT强化学习和过程奖励学习，在复杂推理能力上表现出色，中等模式下已超越OpenAI-o3-mini。

VibeVoice 是微软推出的新型文本到语音（TTS）模型，能生成富有表现力、长篇幅、多说话者的对话式音频，如播客。

EchoMimicV3是蚂蚁集团推出的高效多模态、多任务数字人视频生成框架。框架拥有13亿参数，基于任务混合和模态混合范式，结合新颖的训练与推理策略，实现快速、...

SpatialGen 是群核科技开源的 3D 场景生成模型。模型基于扩散模型架构，支持根据文字描述、参考图像和 3D 空间布局，生成时空一致的多视角图像，且能进一步得...

内容特工队ReelsAgent是全球首个移动端AI营销视频智能体Agent。实现了从市场调研、创意生成到视频发布全流程自动化，用户只需输入需求，可生成适配多平台的专...

问小白o4是国内首个并行思考模型，能同时启动8条思考路径，自动筛选最优解，提供精准答案。模型融合Long‑CoT强化学习与过程奖励学习，具备深度推理和高质量思...

FutureX是字节跳动、复旦大学、斯坦福大学和普林斯顿大学的研究团队联合发布的，专为LLM智能体未来预测任务设计的动态实时评估基准。通过半自动化管道从195个...