新OWL
多智能体协作框架 基于 CAMEL-AI 框架开发的前沿多智能体协作框架，致力于通过动态智能体交互实现高效、自然且稳健的任务自动化。
多语言文档布局解析工具 dots.ocr 是一款强大的多语言文档解析工具，它通过单一视觉 – 语言模型实现布局检测和内容识别的统一，同时保持良好的阅读顺序，具有出色的性能和高效的处理速度。
数据统计
相关导航
新AI对口型项目EchoMimic
EchoMimic是一款由蚂蚁集团研究团队推出的创新技术，能够根据音频内容和角色照片生成生动对口型视频。该技术突破了传统方法的局限性，实现了更逼真和动态的人像生成。
新SadTalker SadTalker
学习现实的3D运动系数风格化音频驱动的单图像说话的脸动画。
新中科院SpikingBrain
用2%数据实现百倍速度突破的国产类脑大模型 SpikingBrain 是中国科学院推出的非 Transformer 类脑脉冲大模型，以极低数据与能耗实现超长序列任务百倍速推理。
新Qwen2-VL
Qwen2-VL是一个基于自然语言处理（NLP）技术的语音到文本（Voice-to-Text）和文本到语音（Text-to-Speech, TTS）转换工具，旨在提供高质量的语音转换服务。
新MarkItDown
文件转换为Markdown的Python工具 用于将各种文件格式（如 PDF、Word、PPT 等）转换为 Markdown 格式，便于与大型语言模型（LLM）和其他文本分析工具集成。
新ViViD
虚拟试衣技术 ViViD 是一个创新的视频虚拟试穿框架，它利用扩散模型技术，结合服装编码器和姿态编码器，为用户提供逼真的视频试穿体验。
新Sider Deep Research
AI 驱动的深度研究工具 一款基于人工智能知识库的深度研究工具，能够快速提供可信且深入的见解，帮助用户高效完成研究工作。
暂无评论...