olmOCR
开源高性能OCR扫描识别工具 高效地将PDF文件和其他文档转换为结构化的纯文本。
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。
数据统计
相关导航
Stability AI Stable Audio 2.5
专业级AI音频生成工具 Stable Audio 2.5 是 Stability AI 推出的最新音频生成模型，可在几秒内生成高质量、多段落结构的音乐，支持文本转音频、音频修复等多种创作方式。
阿里
Qwen3.5 开源大模型 Qwen3.5 是阿里巴巴即将推出的新一代开源基座大模型，采用全新混合注意力机制，大概率为原生视觉理解 VLM 模型，计划春节期间开源并推出多规格模型版本，目前已完成多个主流 AI 开发框架的适配开发。
OpenAI
OpenAI 是一家领先的人工智能研究公司，致力于开发安全且有益的人工智能技术。它创建了一系列突破性的产品和工具，在自然语言处理、计算机视觉和强化学习等领域取得了重大进展。
Whisper-Medusa Whisper-Medusa
一款基于Whisper模型的优化版语音识别工具，通过多解码头技术显著提升处理速度
黑芝麻智能
黑芝麻智能华山®A1000芯片是专为智能驾驶辅助系统（ADAS）和自动驾驶设计的高性能计算芯片。
Hume AI OCTAVE
文本转语音 一款革命性的语音语言模型，能够将文本迅速转换为具有真人声和克隆人格特征的语音。
昆仑万维 Matrix-Game 2.0
开启开源世界模型新纪元 Matrix - Game 2.0 是昆仑万维发布的开源世界模型，旨在推动人工智能在复杂环境中的决策能力，为研究人员和开发者提供强大的工具和平台，助力人工智能技术的创新与发展。
暂无评论...