标签：语音识别

Marker 是开源的高精度文档转换工具，专注于将 PDF、Word 等多种文档格式快速、准确地转换为 Markdown、JSON 和 HTML 格式。通过深度学习技术，自动去除页眉...

Open-Sora 2.0 是潞晨科技推出的全新开源SOTA（State-of-the-Art）视频生成模型。Open-Sora 2.0 用 20 万美元（224 张 GPU）成功训练出 11B 参数的商业级模型...

月匣是百度推出的AI互动应用，主打情感陪伴和沉浸式剧本体验。用户选择多种AI角色进行个性化对话，如温柔好友、霸道总裁或二次元角色等，享受深度情感交流。...

Tough Tongue AI 2.0 是多模态对话练习工具，帮助用户应对各种困难对话场景而设计。支持创建和分享多种对话场景，如面试、职场沟通、销售谈判等，提供智能对...

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...

TicVoice 7.0 是出门问问推出的第七代高品质 TTS（语音合成）引擎，基于新一代语音生成模型 Spark-TTS 。TicVoice 7.0基于创新的 BiCodec 编码方式，将语音分...

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...

WhisperChain 是开源的语音识别工具，基于语音输入提升工作效率。WhisperChain用 Whisper.cpp 实现实时语音识别，将语音转换为文本，基于 LangChain 对文本进...

Baichuan-Audio是百川智能推出的端到端音频大语言模型，支持无缝集成音频理解和生成功能，实现支持高质量、可控的实时中英双语对话。Baichuan-Audio基于多码...

TinyR1-Preview是北京大学计算机学院与360公司联合推出的32B参数量的推理模型。模型仅用5%的参数量，逼近Deepseek-R1-671B的性能，TinyR1-Preview在数学领域...

TANGLED是上海科技大学、Deemos Technology和华中科技大学联合推出的3D发型生成方法，支持从任意风格和视角的图像中生成高质量的3D发丝。TANGLED基于三个核心...

Ovis2 是阿里巴巴国际团队推出的新型多模态大语言模型，基于结构化嵌入对齐解决视觉与文本模态间的差异。Ovis2继承、优化了 Ovis 系列架构，强化小规模模型的...

交小智是西安交通大学推出的基于大语言模型技术的AI应用创建平台，为全校师生提供低代码、低门槛的智能体（Agent）创建与管理服务。通过平台，用户无需编程基...

好伴AI是杭州智诊科技推出的医疗健康智能助手应用，专注于为用户提供专业、便捷的健康咨询和医疗建议。基于全科医学通用大语言模型WiseDiag-Z1，能24小时在线...

华为小艺是华为推出的小艺AI助手网页端，用户可以通过浏览器直接访问使用。适配了手机和PC布局，提供多种功能，包括AI问答、AI写作、编程助手和AI翻译等。小...