OpenVision–加州大学开源的视觉编码器家族
AI工具百科：
OpenVision是什么
OpenVision是加州大学圣克鲁兹分校（UCSC）推出的完全开放、高效且灵活的高级视觉编码器家族，专注于多模态学习。提供从5.9M到632.1M参数的多种规模模...
BILIVE–开源AI录播工具，一站式自动直播录制与处理
AI工具百科：
BILIVE是什么
BILIVE 是基于 AI 技术的开源工具，专为 B 站直播录制与处理设计。工具支持自动录制直播、渲染弹幕和字幕，支持语音识别、自动切片精彩片段，生成有趣的标...
AutoGLM沉思–首个免费、具备深度研究和操作能力的AIAgent
AI工具百科：
AutoGLM沉思是什么
AutoGLM沉思是智谱推出的首个免费、具备深度研究和操作能力的AI Agent，能模拟人类思维过程，处理复杂的开放式问题。AutoGLM沉思具备强大的推理能力和...
mrge–AI代码审查平台，自动审核代码识别问题
Ai工具百科：
mrge是什么
mrge 是高效智能的 AI 代码审查平台，专为提升开发团队的代码质量和审查效率设计。通过 AI 自动审核代码，快速发现潜在缺陷、安全漏洞和性能问题，显著节省开...
FLite–Freepik联合FAL开源的文生图模型
AI工具百科：
FLite是什么
FLite是Freepik团队联合FAL开源的10B参数的文生图模型。基于Freepik内部80M有版权的数据集训练，支持商业用途。FLite将T5XXL作为文本编码器，基于抽取第17层...
TesserAct–AI4D具身世界模型，能预测3D场景的动态演变
AI工具百科：
TesserAct是什么
TesserAct 是创新的 4D 具身世界模型，能预测 3D 场景随时间的动态演变，响应具身代理的动作。通过训练 RGBDN（RGB、深度和法线）视频数据来学习，超越...
VersatileOCRProgram–开源多模态OCR工具，精准提取复杂结构化数据
AI工具百科：
VersatileOCRProgram是什么
VersatileOCRProgram是开源多模态OCR工具，支持从复杂的教育材料中提取结构化数据，生成适合机器学习训练的高质量数据集。VersatileOCRProgra...
KimiAudio–MoonshotAI开源的音频基础模型
AI工具百科：
KimiAudio是什么
KimiAudio 是 Moonshot AI 推出的开源音频基础模型，专注于音频理解、生成和对话任务。在超过 1300 万小时的多样化音频数据上进行预训练，具备强大的音...
ProxyLite–开源视觉语言模型，支持自动化网页任务
AI工具百科：
Proxy Lite是什么
Proxy Lite 是开源的轻量级视觉语言模型（VLM），参数量为3B，支持自动化网页任务。Proxy Lite 能像人类一样操作浏览器，完成网页交互、数据抓取、表单...
ChatTS14B–字节开源的时间序列理解和推理大模型
AI工具百科：
ChatTS14B是什么
ChatTS14B 是字节跳动研究团队开源的专注于时间序列理解和推理的大型语言模型，参数量达 140 亿。基于 Qwen2.514BInstruct 微调而成，通过合成数据对齐...
NotaGen–中央音乐学院联合北航、清华等推出的音乐生成模型
AI工具百科：
NotaGen是什么
NotaGen 是中央音乐学院、北京航空航天大学、清华大学等机构推出的音乐生成模型，基于模仿大型语言模型（LLM）的训练范式生成高质量的古典乐谱。NotaGen ...
Maestro–开源的端到端自动化测试框架
AI工具百科：
Maestro是什么
Maestro是用在移动和Web应用的端到端自动化测试框架。基于内置的容错能力和延迟容忍机制，解决传统测试中常见的不稳定性和等待问题。Maestro基于声明式语...
