Whisper Input – 開源AI語音輸入工具，支持多語言實時轉錄和翻譯
Whisper Input是什麼 Whisper Input 是開源的語音輸入工具，基於 Python 和 OpenAI 的 Whisper 模型開發。通過簡單的快捷鍵操作（如按下 Option 鍵開始錄音，...
Cosmos – 英偉達推出的生成式世界基礎模型平台
Cosmos是什麼 Cosmos是英偉達推出的生成式世界基礎模型平台，加速物理人工智能（AI）系統的發展，特別是在自動駕駛和機器人領域。Cosmos能接受文本、圖像或視...
Step-1o Vision – 階躍星辰推出的原生端到端視覺理解模型
Step-1o Vision是什麼 Step-1o Vision 是階躍星辰最新研發的原生端到端多模態生成與理解一體化模型中的視覺版本。專注於視覺任務，具備強大的圖像識別、感知...
MinMo – 阿里通義實驗室推出的多模態語音交互大模型
MinMo是什麼 MinMo是阿里巴巴通義實驗室FunAudioLLM團隊推出的多模態大模型，專注於實現無縫語音交互。MinMo擁有約80億參數，基於多階段訓練，在140萬小時多...
3MinTop – AI閱讀助手，將書籍內容精煉總結爲 3 分鐘精華摘要
3MinTop是什麼 3MinTop 是 AI 驅動的閱讀助手，能將書籍內容精煉總結爲 3 分鐘的精華摘要，幫助用戶快速掌握書籍核心要點，降低閱讀門檻，培養閱讀習慣。用戶...
什麼是智能體RAG（Agentic RAG） – AI百科知識
智能體RAG（Agentic RAG）是一種結合了AI智能體（Agent）和檢索增強生成（RAG）系統的方法。它通過引入智能體框架來改變處理問答方式的技術。與僅依賴大模型...
ArtCrafter – 清華聯合鵬城實驗室和聯想共同推出的文本到圖像風格遷移框架
ArtCrafter是什麼 ArtCrafter是清華大學、鵬城實驗室和聯想研究院共同推出的文本到圖像風格遷移框架，基於擴散模型，解決傳統方法在風格表達、內容一致性和輸...
AutoDroid-V2 – 清華推出的移動端GUI自動化腳本代理
AutoDroid-V2是什麼 AutoDroid-V2是清華大學人工智能產業研究院推出的基於小型語言模型（SLM）的移動端GUI自動化腳本代理，能基於代碼生成技術提升設備上的GU...
TradingAgents – 加利福尼亞聯合麻省理工推出的多智能體LLM金融交易框架
TradingAgents是什麼 TradingAgents是加利福尼亞大學洛杉磯分校和麻省理工學院推出的多代理LLM金融交易框架，能模擬現實世界的交易公司環境。TradingAgents整...
ImBD – 復旦聯合華南理工等機構推出的通用 AI 內容檢測器
ImBD是什麼 ImBD（Imitate Before Detect）是復旦大學、華南理工大學、武漢大學、Fenzi AI等推出的用在檢測機器修訂文本的方法。首先模仿大型語言模型（LLMs...
