InternVL – OpenGVLab 推出的多模态大模型
InternVL是什么 InternVL 是上海人工智能实验室 OpenGVLab 推出的多模态大模型，专注于视觉与语言任务。采用 ViT-MLP-LLM 架构，通过视觉模块（如 InternViT...
排序
Umi-OCR – 免费 OCR 文字识别工具，支持截图、批量图片排版解析
Umi-OCR是什么 Umi-OCR 是免费开源的离线 OCR 文字识别软件。无需联网，解压即用，支持截图、批量图片、PDF 扫描件的文字识别，能识别数学公式、二维码，可生成双层可搜索 PDF。内置多...
Orpheus TTS – 开源AI语音合成系统，支持多种语音风格
Orpheus TTS是什么 Orpheus TTS 是基于 Llama-3b 架构的开源文本到语音（TTS）系统。Orpheus TTS 支持生成自然、富有情感且接近人类水平的语音，具备零样本语音克...
o1-pro – OpenAI 推出的升级版推理模型
o1-pro是什么 o1-pro是 OpenAI 正式推出的 o1 系列的升级版本，o1-pro 是目前 OpenAI 最强大的推理模型，核心优势在于显著提升的计算能力，能更好地应对复杂问题，提供更一...
Crack Coder – AI技术面试工具，提供实时编程问题支持
Crack Coder是什么 Crack Coder 是开源的隐形 AI 辅助工具，专为技术面试设计。Crack Coder支持在后台运行，完全隐形，无法被屏幕录制或监控软件检测到。Crack Cod...
YT Navigator – AI YouTube 内容搜索工具，自然语言查询定位关键信息
YT Navigator是什么 YT Navigator 是 AI 驱动的 YouTube 内容搜索工具，帮助用户高效地搜索和浏览 YouTube 频道内容。YT Navigator自然语言查询功能...
Step-Video-TI2V – 阶跃星辰开源的图生视频模型
Step-Video-TI2V是什么 Step-Video-TI2V 是阶跃星辰（StepFun）推出的开源图生视频（Image-to-Video）生成模型，拥有 300 亿参数，能根据文本描述和图像...
Dify-Plus – 基于 Dify 二次开发的企业级增强版项目
Dify-Plus是什么 Dify-Plus 是基于 Dify 二次开发的企业级增强版项目，集成基于 gin-vue-admin 的管理中心。Dify-Plus在 Dify 基础上新增用户额度、密钥额...
gpt-4o-transcribe – OpenAI 推出的语音转文本模型
gpt-4o-transcribe是什么 gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降...
GPT-4o mini TTS – OpenAI 推出的文本转语音模型
GPT-4o mini TTS是什么 GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持将文本内容转换为自然流畅语音的同时，开发者能用指令控制语音的语调、情感和风格，例...