标签：多语言支持

EchoMimic是阿里蚂蚁集团推出的AI数字人开源项目，赋予静态图像以生动语音和表情。通过深度学习模型结合音频和面部标志点，创造出高度逼真的动态肖像视频。不...

度豆APP是百度推出的一款仿真人AI社交应用，基于文心大模型技术，提供与仿真数字人进行实时沟通和情感互动的体验。

FunAudioLLM是阿里巴巴通义实验室推出的开源语音大模型项目，包含SenseVoice和CosyVoice两个模型。SenseVoice擅长多语言语音识别和情感辨识，支持超过50种语...

Chameleon 是 Meta（Facebook 的母公司）的人工智能研究团队 FAIR（Facebook AI Research）发布的一个能理解和生成任意序列的图像和文本的混合多模态模型。拥...

GPT-4o mini 是 OpenAI 最新推出的一款AI大模型，提供更高效、更具成本效益的解决方案。这款新模型替代 GPT-3.5，成为市场上最具成本效益的小型模型。GPT-4o ...

Mem0 是一款开源的大语言模型记忆增强工具，能够让 AI 拥有长期、适应性强的记忆。通过自适应记忆系统，AI能实现跨应用记住用户的偏好和交互，提供连贯且不断...

盘盘单词是百度网盘推出的AI英语学习微信小程序。采用生成式AI技术，分析用户百度网盘的照片，提取关键元素，自动生成与用户生活紧密相关的英语单词和例句，...

Llama 3.1是Meta最新发布的开源AI模型，包括8B、70B和405B三个版本，其中405B版本以其4050亿参数量成为目前最大的开源模型之一。Llama 3.1支持128K的上下文长...

智谱清影是智谱AI最新推出的AI视频生成工具，用户只需输入文本或上传图片，30秒内即可生成6秒视频。支持多种风格和背景音乐，适用于个人创作和专业制作。

Diffree是由OpenGVLab推出的AI贴图框架，能根据用户的文字描述，在图片中自动找到合适的位置添加新对象。通过智能掩码预测，无需手动绘制，即可确定新对象的...

JoyCoder是京东推出的AI编程助手，专为提升研发效率设计。通过代码预测续写、智能问答等功能，帮助开发者快速编写代码，解决技术难题。支持多模型切换，适配J...

FLUX.1是由Stable Diffusion创始团队推出的开源AI图像生成模型，拥有12B参数，是迄今为止最大的文生图模型。包含三种变体：顶级性能的FLUX.1 [pro]、开源非商...

Tora是阿里推出的AI视频生成框架，基于轨迹导向的扩散变换器（DiT）技术，将文本、视觉和轨迹条件融合，生成高质量且符合物理世界动态的视频内容。Tora由轨迹...

Whisper-Medusa是aiOla推出的开源AI语音识别模型，结合了OpenAI的Whisper技术与aiOla的创新，Whisper-Medusa引入了多头注意力机制，实现了并行处理，显著提升...

SAM 2（Segment Anything Model 2）是Meta推出的AI对象分割模型，专注于实时图像和视频对象分割。具备零样本泛化能力，能准确分割未知对象，并通过统一架构同...