发现

豆包的图像生成功能基于先进的 AI 算法，能够根据用户的文字描述快速生成高质量图片，支持多种风格和场景，适用于创意设计、内容创作、学习办公等多种场景。豆包AI绘画功能已升级至2.0版本，其性能显著提升...

GitMCP 是一个免费、开源的服务，通过模型上下文协议（MCP）将GitHub项目无缝转化为AI助手可访问的端点。它支持语义搜索和动态内容获取，无需配置即可实现高效知识交互。无论是代码检索还是文档查...

LandPPT 是一个基于大语言模型（LLM）的智能演示文稿生成平台，能够自动将文档内容转换为专业的PPT演示文稿。平台集成了多种AI模型、智能图像处理、深度研究功能和丰富的模板系统，让用户能够轻松创...

dots.ocr 是小红书 hi lab 开源的多语言文档解析模型，能高效地进行文档布局检测和内容识别，保持良好的阅读顺序。dots.ocr 在 OmniDocBench 上表现出色，文本、表格和阅读...

智元机器人发布了业内首个开源的机器人世界模型平台——Genie Envisioner（GE），这一平台的推出标志着机器人学习技术迈出了重要一步。该平台的核心在于其高度集成的闭环架构。其中，GE-Bas...

MoE-TTS 是昆仑万维语音团队推出的先进语音合成框架，专门用在提升开放域文本描述的语音生成能力。MoE-TTS 基于混合专家（MoE）架构，将预训练的大型语言模型（LLM）与语音专家模块相结合。在...

WeKnora 是腾讯开源的一款基于大语言模型的文档理解与语义检索框架，专为结构复杂、内容异构的文档场景而打造。支持 PDF、Word、图片等多种格式，能精准解析图文混排内容，提取文本、表格及图像语义...

—Macaron 是首个 Personal AI Agent，你的贴心AI伙伴。，Macaron不去和 Productivity Agent 争夺办公场景，也不止步于情绪陪伴，而是把自己做成一个长期在...

OpenAI终于放出其传闻已久的开源模型：gpt-oss-120b和gpt-oss-20b。这两款模型均采用MoE架构，与DeepSeek的多款模型类似。这两款模型已经与OpenAI的Response...

CosyVoice 2.0 是阿里巴巴通义实验室推出的语音生成大模型升级版，旨在通过有限标量量化技术和块感知因果流匹配模型，提升语音合成的质量。在多语言语音生成、零样本语音生成、跨语言语音生成、富文本...