標簽：智能語音識別

X-R1是基于強化學習的低成本訓練框架，能加速大規模語言模型的后訓練（Scaling Post-Training）開發。X-R1用極低的成本訓練0.5B（5億參數）規模的R1-Zero模型...

ACE++是阿里巴巴通義實驗室推出的先進的圖像生成與編輯工具，通過指令化和上下文感知的內容填充技術，實現了高質量的圖像創作和編輯功能。

MVoT（Multimodal Visualization-of-Thought）是微軟研究院、劍橋大學語言技術實驗室、中國科學院自動化研究所推出的新型多模態推理范式，基于生成圖像可視化...

播記是專為播客創作者設計的智能節目筆記（Shownotes）生成工具。通過AI技術，能快速提取播客音頻中的關鍵信息，自動生成包含節目主題、嘉賓介紹、重要觀點、...

SynCD（Synthetic Customization Dataset）是卡內基梅隆大學和Meta推出的高質量合成訓練數據集，用在提升文本到圖像模型的定制化能力。SynCD包含多個相同對象...

Sky-T1是加州大學伯克利分校Sky Computing實驗室的研究團隊NovaSky發布的開源推理AI模型，名為Sky-T1-32B-Preview。是首個開源推理模型，訓練數據集和代碼均...

豆包向量化API是由字節跳動研發的語義向量化模型，名為Doubao-embedding，主要面向向量檢索的使用場景，支持中、英雙語，能處理最長4K的上下文長度。

Hi.AI 是 AI 聊天應用，用戶能創建具有獨特個性的數字朋友，與各種 AI 角色進行沉浸式聊天。用戶可以與名人、虛構人物或歷史人物的 AI 版本就任何話題展開對...

Ingredients是強大的框架，基于將多個特定身份（ID）照片與視頻擴散Transformer相結合，用在定制視頻創作。Ingredients基于三個核心模塊實現高度定制化的視頻...

Fineshare VoiceTrans 是實時 AI 變聲器，能輕松改變自己的聲音，適應不同的場景和需求。Fineshare VoiceTrans 提供多種功能，包括真實的 AI 變聲、零延遲的...

百度AI搜是百度基于文心大模型打造的桌面端AI搜索引擎。整合了百度搜索引擎、百度健康、百度律臨、百度文庫、百度教育等多個內容生態，確保搜索結果的可靠性...

TECHSPECS（TechSpecs Ray）是創新的AI驅動媒體播放器，通過實時AI字幕技術革新您的視聽體驗。支持99種語言的字幕生成，打破了語言障礙，讓全球用戶都能享受...

Wavy是AI驅動的照片編輯應用，基于先進的AI技術，將用戶的照片轉換成具有藝術感的杰作。Wavy主要功能包括AI藝術生成器、視覺放大、即時藝術創作、照片提升和...

WIME是上海微盟企業發展有限公司推出的AI電商內容創作平臺，專為電商和新媒體領域設計。基于AI技術，幫助用戶一鍵生成多風格圖片和文案，實現從創意到成品的...

ERA-42是北京星動紀元推出的端到端原生機器人大模型，與自研的五指靈巧手星動XHAND1結合，能完成100多種復雜靈巧操作任務。ERA-42無需預編程，具備快速學習新...