AI项目
AnuNeko – AI聊天工具，体验人性化和情绪化对话体验
AnuNeko是米哈游创始人蔡浩宇的新公司Anuttacon推出的AI聊天工具。工具用独特的“猫娘”形象为特色，通过高度个性化和情绪化的对话体验，为用户带来与众不同的交流感受。
NEO – 商汤联合南洋理工开源的全新多模态模型架构
NEO是商汤科技与南洋理工大学合作研发的全新多模态模型架构，作为首个原生多模态架构（Native VLM），NEO通过底层架构的深度创新，打破了传统多模态模型的局限。核心创新包括原生图块嵌入（Native Patch Embedding），能更精细地捕捉图像细节；原生三维旋转位置编码（Native-RoPE），完美适配图像和文本的自然结构
Mistral 3 – Mistral AI推出的最新多模态大模型系列
Mistral 3 是 Mistral AI 推出的新一代开源 AI 模型系列，包括小型的 Ministral 3（3B、8B、14B 参数）和大型的 Mistral Large 3（675B 总参数，41B 激活参数）。
PixVerse V5.5 – 爱诗科技推出的视频生成大模型
PixVerse V5.5 是爱诗科技推出的视频生成大模型。模型通过自研的多模态理解和生成技术，支持音画同步生成，简化从构思到成片的复杂工作流程，提高创作效率。
可灵O1 – 可灵AI推出的首个统一多模态视频生成模型
可灵O1（可灵视频 O1 模型）是可灵AI推出的全球首个统一多模态视频生成模型。模型通过创新的多模态视觉语言（MVL）架构，实现视频生成、编辑与理解的无缝融合。
Gen-4.5 – RunWay推出的视频生成模型
Gen-4.5 是RunWay推出的视频生成模型，模型在视频生成的运动质量、视觉逼真度和提示词遵循度等方面树立新的行业标准。Gen-4.5 能生成电影级、极为逼真的画面，同时提供无限的创作自由和精确的控制能力。
Vidi2 – 字节跳动推出的多模态视频理解与生成模型
Vidi2是字节跳动推出的专注于视频理解和创作的多模态大语言模型。在多模态时间检索（TR）方面达到了行业领先水平，在时空定位（STG）和视频问答（Video QA）方面取得了显著进展。Vidi2能根据文本查询，不仅识别出视频中对应的时间戳，能标记出目标对象的边界框。
传声港 – 龙投文化推出的AI综合媒体服务平台
传声港是杭州龙投文化传媒有限公司旗下的AI驱动综合媒体服务平台，为企业提供一站式品牌传播与推广服务。平台整合了网络媒体、自媒体博主、网红达人等资源，涵盖媒体发稿、自媒体宣发、网红推广、文案创意和素人推广五大核心业务，满足企业从内容创作到效果监测的全方位需求。
Temvideo.ai – AI视频制作Agent，专为跨境电商营销设计
Temvideo.ai 是面向商业用户的 AI 视频制作工具，通过智能算法帮助用户快速生成高质量的营销视频。用户只需提供想法和素材，AI 代理即可自动完成视频制作，包括脚本撰写、素材剪辑、配音添加等。支持多语言翻译，可将视频快速本地化，拓展全球市场。
Ito – 开源的AI语音听写工具，口语意图可转为文本
Ito是开源的智能语音听写工具，通过其独特的“VibeTyping”技术，将用户的口语意图转换为精美文本。支持在邮件客户端、文档、聊天平台、浏览器和代码编辑器等各类应用程序中使用，提供可自定义的全局键盘快捷键和即时文本插入功能。
Talo – AI实时语音翻译工具，无缝集成多主流会议平台
Talo 是先进的AI实时语音翻译工具，专为打破语言障碍设计，广泛应用于视频会议场景。支持超过60种语言的即时翻译，能无缝集成到Google Meet、Microsoft Teams和Zoom等主流视频会议平台中。用户只需将会议链接粘贴到Talo界面并选择所需语言，即可开启翻译服务。
Spokenly – 本地AI语音听写工具，自动优化语法
Spokenly 是为 Mac 和 iPhone 设计的智能语音听写应用，支持超过100种语言，具备自动语言检测功能，适合多语言用户和国际团队。提供“本地优先”模式，所有语音数据仅在本地处理，确保隐私安全。Spokenly 支持实时转录，文字随说话实时显示，用户可根据需求选择从超快速到最高准确性的多种引擎。
讯飞输入法 – 科大讯飞推出的AI输入工具
讯飞输入法是科大讯飞推出的智能输入工具，具备高精度语音识别和多样化输入方式。支持语音、拼音、手写等多种输入模式，语音输入准确率高，支持多种方言和中英混合输入，方便不同用户群体使用。
闪电说 – AI语音输入工具，自动优化口语表达
闪电说是端侧优先的AI语音输入法，主打极速响应和高效输入。工具通过本地语音模型实现毫秒级识别，无需联网，响应时间仅约0.2秒，比传统键盘打字快4倍。
StepAudio R1 – 阶跃星辰开源的原生音频推理模型
StepAudio R1 是阶跃星辰团队推出的全球首个开源原生音频推理模型。模型通过创新的模态锚定推理蒸馏（MGRD）框架，解决了传统音频模型在复杂推理中性能下降的问题，真正实现基于声学特征的深度推理。
DeepSeek-Math-V2 – DeepSeek开源的数学推理模型
DeepSeek-Math-V2 是 DeepSeek 团队推出的开源数学推理模型，能实现自我验证的数学推理。模型关注答案正确性，注重推理过程的严谨性。
Uigenius – Uigenius.top推出的AI辅助UI/UX设计工具
Uigenius是Uigenius.top推出的AI辅助UI/UX设计工具，专为设计师、产品经理及需要界面设计的人群打造。通过AI技术，将用户输入的文字描述快速转化为高保真原型，能一键导出HTML、Vue、React等前端代码，实现设计与开发的无缝衔接。
Depth Anything 3 – 字节跳动推出的视觉空间重建模型
Depth Anything 3（DA3）是字节跳动Seed团队推出的视觉空间重建模型，通过单一Transformer架构实现从任意视角的视觉输入中恢复三维空间几何结构。
Z-Image – 阿里通义推出的图像生成模型
Z-Image 是阿里通义推出的图像生成模型，具有6B参数。模型包含三个变体：Z-Image-Turbo、Z-Image-Base 和 Z-Image-Edit，分别擅长快速推理、基础开发和图像编辑。
GHOST – AI原生PPT生成工具，自动生成内容和结构
GHOST 是创新AI 原生幻灯片编辑工具，专为追求高效和简洁的用户设计。工具借助先进的 AI 技术，能迅速将用户的创意转化为完整的演示文稿，极大地缩短制作时间。
AI工具箱收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
粤公网安备 123456789号