标签：语音识别

探一下是支付宝推出的新一代AI视觉搜索产品，基于自研的多模态大模型技术，能够“用AI之眼探索万物”，提供快速、有用、趣味的生成式搜索服务。用户可以通过AI...

DRT-o1是腾讯研究院推出的一系列AI模型，通过长链思考推理（CoT）技术显著提升了文学作品的翻译质量，尤其在处理比喻和隐喻等修辞手法时。模型能更深入地理解...

Freed 是AI医疗文档助手，基于先进的语音识别和自然语言处理技术，自动捕捉和转写医生与患者的对话内容，快速生成符合医疗规范的临床文档。Freed能减轻医生的...

OmniAudio-2.6B是Nexa AI推出的音频语言模型，专为边缘部署设计，能实现快速且高效的音频文本处理。OmniAudio-2.6B是具有2.6亿参数的多模态模型融合Gemma-2-2...

Wavy是AI驱动的照片编辑应用，基于先进的AI技术，将用户的照片转换成具有艺术感的杰作。Wavy主要功能包括AI艺术生成器、视觉放大、即时艺术创作、照片提升和...

模式识别（Pattern Recognition）是信息科学和人工智能领域的一个重要分支，对事物或现象的各种形式的信息（数值的、文字的和逻辑关系的）进行处理和分析，实...

AI Chinese是嗨你好教育推出的AI双语教学中文学习平台，基于AI技术为外国人提供在线中文学习解决方案。平台模拟中国真人老师在线授课，在TikTok用短视频和直...

模式识别（Pattern Recognition）是信息科学和人工智能领域的一个重要分支，对事物或现象的各种形式的信息（数值的、文字的和逻辑关系的）进行处理和分析，实...

Genesis是卡内基梅隆大学、马里兰大学、斯坦福大学、麻省理工学院等研究机构联合推出的开源生成式物理引擎，能模拟世界万物。Genesis能用简单的语言描述，快...

Klap是AI驱动的视频编辑工具，专注于将长视频快速转换为适合社交媒体平台的短视频内容。Klap智能分析视频场景，自动裁剪和调整视频布局，生成适合不同平台的...

软件适配，是硬件体验的核心之一。

Apollo是Meta和斯坦福大学合作推出的大型多模态模型（LMMs），专注于视频理解。Apollo基于系统研究，揭示视频理解在LMMs中的关键驱动因素，推出“Scaling Cons...

FLOAT是DeepBrain AI 和韩国先进科技研究院推出的音频驱动说话人头像生成模型，基于流匹配生成模型，学习运动潜在空间实现高效的时间一致性运动设计。模型基...

MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精...

海螺AI Audio是MiniMax推出的AI语音合成工具，能创建逼真的多语言、多声音和多情感的语音。用户只需提供30秒的音频素材，可以克隆特定人的声音，支持12种语言...