Qwen2.5-Omni – 阿里开源首个端到端多模态大模型
阿里巴巴发布并开源首个端到端全模态大模型通义千问Qwen2.5-Omni-7B，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。 Qwen2.5-Omni 是阿里开源...
排序
Product AnyShoot 推出的AI电商产品视频生成工具，电商视频神器
近日，一款名为Product Anyshoot的AI视频生成工具引发行业关注。这款工具凭借其独特的功能的商品还原能力，被誉为“电商视频生成器”，有望改变传统商品展示的制作方式。 Product Any...
Oliva – 开源语音RAG助手，实时自然语音搜索向量数据库
Oliva 通过语音驱动 RAG，让 AI 具备更自然的人机交互、实时信息检索、智能化任务协作等优势。同时 Oliva 允许用户将 本地文档、API 数据源、在线网页 等作为 AI 的知识库，支持个...
Fin-R1 – 上海财经联合财跃星辰推出的首个智能金融推理大模型
Fin-R1是上海财经大学联合财跃星辰推出的首个金融领域R1类推理大模型。能够在银行、基金、保险和证券等多个场景中大展身手。以仅7B的轻量化参数规模展现出卓越性能。Fin-R1基于Qwen2.5-7B...
Mureka V6 – 昆仑万维推出首款AI音乐创作基座模型
昆仑万维发布了全球首款音乐大模型Mureka V6，支持自由切换，Mureka V6是当前AI音乐商用创作平台Mureka的基座模型，支持纯音乐生成以及10种语言的AI音乐创作，通过Mureka V6...
Mureka O1 – 昆仑万维推出的全球首个音乐推理大模型
随着在AI领域的持续投入，Mureka O1中包含了Mureka团队最新发布的音乐生成领域的创新研究成果——MusiCoT，具备技术领先性和前瞻性。Mureka O1模型是基于Mureka V6的推理...
TaoAvatar – 阿里推出的实时高清3D全身对话数字人技术，秒建分身
阿里近日宣布了一项重大技术创新——TaoAvatar，这是一项旨在重塑 AR 体验的技术。TaoAvatar 采用了创新的 3D 高斯溅射（3DGS）技术，确保了高质量的实时渲染。即使在高清立体显示设...
pdf-craft – 开源 PDF 转 Markdown 工具，精准提取内容
pdf-craft 是一款开源的PDF格式转换工具，专注于处理扫描书籍类PDF文件。它能智能提取正文内容，自动过滤页眉、页脚、脚注等干扰元素，输出结构清晰的Markdown或EPUB格式文件。智能处理...
Browseragent – 浏览器AI自动化工具，零代码创建和运行工作流，提高工作效率
Browseragent是基于浏览器的AI自动化工具，以其独特的技术路线脱颖而出。其最大特点是能够直接在浏览器中创建和运行AI工作流，无需API费用，有效地减少了完成任务所需的开销和时间。 Brows...
Gemini 2.5 Pro – 谷歌推出的最新 AI 思考模型，卓越性能榜居第一
谷歌宣布推出全新AI模型系列——Gemini 2.5。谷歌首席科学家Jeff Dean表示，Gemini 2.5是该公司最智能的模型，具有令人印象深刻的高级推理和编码能力，其卓越的性能够处理海量数据...