TabPedia
表格理解大模型 TabPedia是一个新型的大型视觉-语言模型，由中国科学技术大学和字节跳动公司联合开发。该模型通过概念协同机制，能够无缝集成多种视觉表格理解（VTU）任务，如表格检测、表格结构识别、表格查询和表格问题回答。
基于扩散模型的情感化动态头像生成工具 基于扩散模型的情感化动态头像生成方法，能够为说话的肖像生成生动且多样化的情感表达。
数据统计
相关导航
Mistral Voxtral
开源音频模型的新突破 Voxtral 是 Mistral 推出的首个开源音频模型，旨在为企业和开发者提供高性价比的语音智能解决方案。
Jaaz
AI设计助手 Jaaz是一款本地化的AI设计工具，能够智能生成图像、海报、分镜头脚本等设计内容，支持本地模型运行，是Lovart的免费替代品。
HunyuanWorld-Voyager
从一张照片走进3D世界 HunyuanWorld-Voyager是由腾讯混元团队开源的3D生成工具，能通过单张照片或文字描述快速生成360°沉浸式3D场景，为用户带来全新的视觉体验。
谷歌 Genie 2
大规模基础世界模型 DeepMind开发的一种大规模基础世界模型，旨在通过模拟真实世界环境来训练智能体，使其能够更好地理解和适应复杂多变的现实场景。
YouTube Dubbing
AI 音视频翻译配音工具 AI 音视频处理工具，专注于为视频创作者和观众提供自动翻译与配音服务，帮助用户轻松跨越语言障碍，提升内容的国际化程度。
Supertone Play
开启个性化语音创作新时代 一款文本转语音工具，能够将输入的文本快速转换为高质量、富有表现力的语音内容。
Anthropic
Agent Skills 开源知识库 Anthropic Agent Skills 是 Anthropic 推出的开源知识库，为 Claude 模型提供可动态加载的示范性技能与最佳实践，涵盖多领域实用技能集，支持开发者直接使用或按规范自定义技能，通过按需加载指令集降低 Token 消耗、提升特定任务处理效率。
暂无评论...