最新AI资源

Tizzy.ai 是百度推出的 AI 智能搜索应用。Tizzy.ai 基于百度的大模型技术，具备强大的智能搜索功能，能快速回答问题、深度思考和辅助决策。Tizzy.ai 界面简洁，无广告和弹窗，底部导...

综合介绍 PM Agent 是由 OpenGig 推出的一款人工智能工具，专门为产品经理和开发团队设计。它能自动记录会议内容，并将其转化为详细的需求文档，帮助用户节省手动整理的时间。这款工具适合需要快...

综合介绍 LineAvatars 是一个免费且简单易用的在线工具，专门用于生成 Notion 风格的线条头像。用户可以上传照片或通过摄像头拍摄一张照片，系统会使用 AI 自动生成一个线条头像。这个工具...

Molmo 2是Allen Institute for AI（Ai2）发布的开源多模态模型，提升视频和多图像理解能力。包含三个变体：Molmo 2（8B）、Molmo 2（4B）和Molmo 2-O...

InteriorGS是群核科技推出的高质量3D高斯语义数据集。数据集包含1000个3D场景，涵盖80多种室内环境，如家庭、便利店、婚宴厅和博物馆等。数据集中有755个类别的554,000多个对象实例...

Qwen3-TTS-Flash 是阿里通义推出的先进语音合成模型，支持 17 种音色和 10 种语言，涵盖普通话、英语、方言等，具备卓越的中英文语音稳定性与高表现力，模型能自动调节语气，让语音更生动。

综合介绍 ReSearch 是一个开源研究工具，由 Agent-RL 团队开发，旨在通过强化学习（Reinforcement Learning, RL）提升大型语言模型（LLM）的搜索和推理能力。项目...

MagicTryOn 是浙江大学计算机科学与技术学院联合 vivo 等机构推出的先进的视频虚拟试穿框架。框架用创新的扩散Transformer（DiT）架构，替代传统的U-Net架构，结合全自注意力机...

AudioGen-Omni 是快手推出的多模态音频生成模型，能基于视频、文本等输入生成高质量的音频、语音和歌曲。AudioGen-Omni 基于先进的技术，如多模态扩散Transformer和相位对齐...

综合介绍 ThinkAny是一款先进的AI搜索引擎，结合了RAG（检索增强生成）技术和智能回答功能，旨在为用户提供高质量的内容和高效的响应。该平台通过聚合和检索顶级内容，提供全面的总结和见解，而不仅仅...

混元3D 3.0是腾讯推出的先进3D生成模型，基于3D-DiT分级雕刻技术，几何分辨率高达1536³，能生成超高清、细节丰富的3D模型，在人物建模方面表现出色，能精准塑造五官和体态。

综合介绍 Extract.fun 是一个现代化的Web应用程序，利用Cloudflare浏览器渲染功能从任何网站提取图片。该应用基于Remix构建，并部署在Cloudflare Pages上，提供快速...

VoxCPM 1.5 是面壁智能发布的开源语音生成模型，基于无需分词器的文本到语音（TTS）技术，具有多项创新和改进。采用端到端的扩散自回归架构，直接从文本生成连续的语音波形，避免了传统分词方法的局限...

综合介绍 DeepResearcher 是由上海交通大学 GAIR-NLP 团队开发的开源项目。它是一个基于大型语言模型（LLM）的智能研究工具，通过强化学习（RL）在真实网络环境中进行端到端训练。项...

综合介绍 Qwilr 是一个帮助销售团队创建专业提案和报价的在线工具。它把内容、报价和交易整合成一个美观、互动的网页，取代传统的静态文档。用户可以通过它快速制作销售材料，跟踪客户互动，还能与常见的CR...

Sparkify是谷歌推出的AI动画视频生成平台。平台基于Gemini2.5和Veo2模型，用户输入问题或复杂概念，Sparkify在2分钟内生成直观的动画短视频，讲解相关知识点。平台支持文本、图像和...

综合介绍 司马华鹏.AI 是一个专注于人工智能互动学习与交流的平台。该网站由全球首个AI CEO司马华鹏创立，旨在通过AI技术为用户提供多样化的学习和交流体验。用户可以在平台上与AI进行英语口语对练...

综合介绍 QuickPiperAudiobook 是一个开源项目，旨在通过简单的一条命令，将各种文本格式（如 epub、mobi、txt、PDF、HTML 等）转换为自然音质的有声书。该工具使用 Pi...

MoFlow是结合心理学与AI技术的情绪管理应用。为用户提供了一个私密空间，让用户可以通过书写、聊天等方式表达情绪，AI伙伴会耐心倾听给予反馈。

MirageLSD 是 Decart AI 团队推出的全球首个实时流扩散 AI 视频模型，能实现无限时长的实时视频生成，延迟低至 40 毫秒以内，支持 24 帧/秒的流畅输出。

Step-GUI是阶跃星辰公司开源的AI Agent系列模型，包括云端模型Step-GUI、首个面向GUI Agent的MCP协议，以及业内首个支持手机部署的开源端侧模型Step-GUI Edge。专...

综合介绍 万知网站提供一站式的AI文档阅读、内容创建以及分享平台。它为用户呈现了一个全功能的个人AI工作站，支持一键式聊天、文档分析、AI 内容创作和使用各种模板创建演示文稿。用户可以通过站点的工具...

Ming-Omni-tts 是蚂蚁集团与Inclusion AI联合开源的多模态音频生成模型，包含0.5B和16.8B-A3B两个版本。模型首次实现了语音、环境音和音乐的统一自回归生成，支持语速、音量...

MiniMax Speech 2.5 是 MiniMax 团队开发的先进语音生成模型。在语音合成领域取得了显著进步，尤其在多语种表现力、音色复刻精度和语种覆盖范围上实现了飞跃。模型支持 40 种语言...

综合介绍 在线图片翻译服务通过OCR技术和文本翻译技术来识别并翻译图片中的文字。该服务由有道智云提供，支持多种图片格式和多国语言。用户可以在网站上直接使用或者通过API和SDK集成到自己的应用程序里...

AI教程中初期最热的赚钱思路就是教你创作儿童故事绘本，后来衍生出儿童故事动画，这些视频一看就会，一操作就卡住。 究其原因还是门槛略高，而且内容和生成的图像质量堪忧。直到... gpt和cloude生成...

TuriX-CUA 是开源的 AI 桌面自动化工具，能通过截屏、多模态模型决策和自动化操作实现电脑交互。让 AI 模型直接操作电脑桌面环境。支持 macOS 和 Windows 系统，通过先进的计算机...

Matrix-Game 2.0 是昆仑万维 SkyWork AI 发布的自研交互式世界模型。是业内首个开源的通用场景实时长序列交互式生成模型，模型通过视觉驱动的交互方案，能以 25 FPS 的速度在多...

JoyAgent-JDGenie 是京东开源的轻量化通用多智能体系统，无需二次开发能直接使用。JoyAgent-JDGenie 能处理复杂任务，如生成报告、分析数据等，支持多种交付格式，如网页、PPT...

ChatGPT Study 是 OpenAI 推出的创新学习模式，能帮助用户更高效地学习和理解知识。ChatGPT Study 通过苏格拉底式提问、支架式响应和个性化教学，引导用户主动思考，逐步解决问...

综合介绍 Infini-Megrez是由无问芯穹（Infinigence AI）开发的边缘智能解决方案，旨在通过软硬件协同设计，实现高效的多模态理解和分析。该项目的核心是Megrez-3B模型，支持图...

综合介绍 II-Researcher 是 Intelligent-Internet 团队开发的一款开源人工智能研究工具，托管于 GitHub。它专为深度搜索和复杂推理设计，能通过智能网页搜索和多步骤分...

UnifoLM-VLA-0 是宇树科技 UnifoLM 系列的首款操作型大模型，突破传统视觉语言模型（VLM）仅能理解图像文字的局限，通过在机器人操作数据上的持续预训练，实现从"图文理解"向具备物理常...

综合介绍 OpenDeepResearcher 是一个开源的自动化深度研究工具，旨在通过人工智能技术提升研究效率。该项目由 mshumer 开发，托管在 GitHub 上。OpenDeepResear...

综合介绍 LensGo是一个利用AI技术轻松创建风格转换视频的平台，提供风格转换、图像生成、文字到视频、训练和模型等工具。用户可以使用模型或图像改变视频风格，通过文本或图像提示生成图像，也可以用自己的...

综合介绍 Outerspan 是一个为 AI 智能体提供独立邮箱的快速部署平台。用户通过简单的 API 或仪表板，几秒钟内就能创建带邮箱的智能体，处理邮件沟通、客户支持或数据整理等任务。平台无需用户自...

AI抖音是抖音推出的智能深度思考与搜索应用，为用户提供更高效、更智能的内容获取体验。基于抖音的强大内容生态和AI技术，通过联网搜索和推理能力，为用户提供更全面、更详细的答案。

Xiaomi-Robotics-0 是小米开源的首代具身智能大模型，拥有47亿参数，采用"大脑+小脑"混合架构设计。视觉语言大脑基于多模态大模型，负责理解人类模糊指令与空间推理；动作执行小脑则通过Di...

Wan2.2-S2V 是阿里通义开源的多模态视频生成模型，只需一张静态图片和一段音频，能生成高质量的数字人视频，且支持多种图片类型和画幅。

VibeVoice-ASR是微软开源的统一语音转文本（ASR）模型，专为处理长音频设计，可一次性处理长达60分钟的连续音频，确保语义连贯性和说话人追踪的一致性。支持自定义热词功能，用户可输入特定词汇或...

XVERSE-Ent是元象科技推出的专注于泛娱乐领域的开源大模型，包含中英文双版本，支持社交互动、游戏叙事和文化创作等场景。模型通过角色一致性强化、长剧情理解等技术优化，能在虚拟角色人设稳定性、复杂故...

Chatterbox-Turbo 是 Resemble AI 推出的开源文本到语音（TTS）模型，专为高效、低延迟的语音合成而设计。基于350M参数的精简架构，单步推理生成音频，时间延迟极低，在150...

FlowAct-R1是字节跳动开源的实时交互数字人视频生成框架，能通过单张参考图和音频流式生成无限时长的高保真全身动态视频。核心创新在于分块流式生成技术，将视频拆解为0.5秒一小段接力处理，配合结构化...

迅雷MCP是迅雷推出的，基于AI技术的自动下载服务。用户在支持该服务的AI应用中，用语音或文字输入下载需求，AI能自动搜索网络资源并启动下载。迅雷MCP支持PC版迅雷和NAS迅雷，打破传统下载模式，让...

AutoMV是M-A-P团队联合多所高校研发的开源音乐视频生成系统，能在无需训练的情况下根据完整歌曲自动生成连贯的MV。采用多智能体协作模式，包含音乐分析、编剧、导演和质检等模块，能精准解析歌词、节拍...

综合介绍 Cloudflare推出的Workers AI LLM Playground是一个先进的在线平台，用户可以通过编写信息并微调回应来探索不同的AI文本生成模型。平台提供了多种模型，如qwen1...

有道小P是网易有道推出的AI全科学习助手，专为K12学生设计，搭载有道子曰教育大模型，覆盖小学、初中、高中全学科答疑，提供个性化学习建议。有道小P具备AI查词、AI翻译功能，帮助学生快速解决语言难题...

KreadoAI 综合介绍 KreadoAI是一个创新的多语言AI视频和模型创作平台，用户只需输入文本或关键词，即可生成真实或虚拟角色的口语视频。这个平台为内容创作者提供AI支持，无需摄影棚拍摄或真实...

Gemini CLI 是谷歌开源的 AI 编程工具，基于将 Gemini 大模型融入开发者终端，为开发者提供强大的 AI 功能。工具能理解代码、操作文件、执行命令并动态排查问题，帮助开发者高效地编写代...

AIMangaStudio是免费的AI漫画创作工具，为创作者提供完整的漫画创作流水线，包括剧情生成、分镜设计、角色设定等功能，能简化从脚本到漫画页面的制作流程。支持自然语言生成漫画脚本，包括剧情、对白...

Skywork UniPic 是昆仑万维开源的多模态预训练模型，具备图像理解、文本生成图像和图像编辑三大核心能力。模型基于自回归架构，融合 MAR 编码器和 SigLIP2 主干，用 1.5B 参数规...

ArkClaw是火山引擎推出的云端智能助手平台，基于OpenClaw架构构建，让用户无需繁琐配置可快速部署专属AI Agent。

彩漩是集AI智能创作、多人协作与安全分享于一体的一站式PPT生成平台。用户输入主题或导入文本，平台能一键生成高质量的演示文稿，支持智能配图、文本优化和内容布局调整。彩漩提供丰富的模板库，满足不同场景需...

Alpamayo-R1是英伟达研发的具有推理能力的视觉-语言-行动（VLA）模型，专为提升自动驾驶在复杂场景中的决策能力设计。通过引入因果链推理机制，让车辆能像人类驾驶员一样分析场景因果关系（如“因前...

Comate AI IDE是百度文心快码推出的行业首个多模态、多智能体协同的AI原生IDE。具备强大的多模态能力，支持设计稿一键转代码（F2C）、图片转代码以及自然语言转代码，在前端开发场景中表现出色...

综合介绍 GrammarPaw是一款专为Mac用户打造的AI写作助手，直接运行在Mac菜单栏中。通过一个快捷键（默认Control+Option+Space），它能在任何应用中提供写作帮助，比如邮件...

Magnific 综合介绍 Magnific是一款创新的图像放大与增强工具，它利用先进的深度学习算法，可以将任何图像转换为更高分辨率的版本，同时添加令人惊叹的细节和质量。Magnific不仅可以放大图...

综合介绍 gpt-prompt-engineer是一个GitHub上的开源项目，专注于GPT模型的提示工程。用户可以通过输入任务描述和测试用例，这个工具能够生成、测试，并排名不同提示以寻找表现最佳者...

BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，其中70亿为活跃参数。模型基与混合变换器专家架构（MoT），用两个独立的编码器分别捕捉图像的像素级和语义级特征，支持高效处理图像、文本、视频...

小星绪是京东健康推出的AI情绪漫画生成产品，目前处于测试阶段，产品以情绪驱动漫画故事生成为核心功能，用户能通过语音或文字输入表达情绪或讲述故事，AI根据输入生成匹配的四格漫画及故事解读。

PersonaPlex是英伟达开源的全双工语音对话模型，拥有70亿参数。摒弃了传统的语音识别→语言模型→文本到语音的级联流程，采用统一的Transformer架构，能同步处理语音理解与生成。模型支持全...

OpenScreen 是开源免费的屏幕录制工具，为用户提供一个简单易用且功能完善的 Screen Studio 替代品。支持 Mac 和 Windows 双系统，完全免费且遵循 MIT 协议，可用于个...

ChartAI 是高效的数据可视化工具，基于 AI 技术自动分析数据，生成直观的图表，帮助用户快速理解复杂信息。ChartAI支持多种数据格式（如 Excel、CSV）的导入，支持智能推荐最适合的图表...

Chroma 1.0是FlashLabs发布的全球首个开源的实时端到端语音对话模型，兼具低延迟交互、高保真个性化语音克隆和强对话能力。通过紧密耦合语音理解与生成，采用1:2文本-音频token调度策略...

综合介绍 GitaGPT 是一个基于《薄伽梵歌》智慧的AI聊天机器人，旨在帮助用户解答日常生活中的问题。该平台利用ChatGPT技术，提供简洁而深刻的回答，帮助用户在灵性发展、情感管理和领导力提升等方...

综合介绍 D-Human是一个数字人视频制作平台，小米投资，由中科院的博士领军研发。支持SaaS、API、OEM多种合作方式，提供1:1真人还原技术，8分钟视频材料即可克隆自己或他人。平台大大降低了创...

综合介绍 Deep Searcher 是一个结合强大大语言模型（如 DeepSeek 和 OpenAI）和向量数据库（如 Milvus）的工具，旨在基于私有数据进行搜索、评估和推理，提供高度准确的答案...

Hunyuan3D-Part（混元3D-Part）是腾讯发布并开源的3D生成模型。由P3 - SAM和X - Part组成，首次实现高精度、可控的组件式3D生成，支持50 + 组件自动生成。用户可先用...

V-JEPA 2 是 Meta AI 推出的基于视频数据的世界大模型，拥有 12 亿参数。模型基于自监督学习从超过 100 万小时的视频和 100 万张图像中训练而成，能理解物理世界中的物体、动作和运...

ClawWork是香港大学数据科学实验室开发的AI经济压力测试框架，允许AI在模拟经济环境中完成真实工作任务并获得报酬。核心逻辑是让初始资金仅10美元的AI通过完成220个专业任务（覆盖制造、金融、医...

InsForge是专为AI编程代理设计的开源后端平台，由PostgreSQL和PostgREST构建，提供身份验证、存储、边缘函数等全栈服务。通过"语义层"将后端操作封装为AI可理解的标准化指令，支持...

Tencent-HY-MT1.5是腾讯混元开源的翻译模型1.5版本，包含1.8B和7B两个模型，支持33种国际语言及5种民汉/方言互译。1.8B模型专为手机等消费级设备优化，仅需1GB内存即可实现端侧...

灵珠是上海灵感菇智能科技有限公司打造的零门槛AI应用创作平台，由语生科学AI孵化平台推出。用户无需编写任何代码，只需在网页中输入创意想法，系统即可自动生成可实际运行的产品

Qwen-Image是阿里巴巴通义千问团队发布的开源图像生成基础模型。拥有200亿参数，采用多模态扩散变换器架构（MMDiT），融合了多模态理解、高分辨率编码和扩散模型三大模块。Qwen-Image的...

VoxCPM 是面壁智能与清华大学深圳国际研究生院联合开源的语音生成模型。VoxCPM 采用端到端的扩散自回归架构，直接从文本生成连续语音表示，突破了传统离散分词的局限。通过分层语言建模和有限状态量化...

Youtu-LLM 是腾讯 Youtu 团队开源的轻量级语言模型，参数规模为 19.6 亿。专为智能体任务设计，具备强大的“原生智能体能力”，在多项任务中超越同规模甚至更大模型。

Paperpal是专注于学术写作的AI辅助工具，帮助研究人员、学生和专业人士提升写作质量和效率。通过强大的语言润色功能，提供语法检查、拼写纠正和用词建议，确保文本准确流畅。

MiniMax-M1 是 MiniMax 团队推出的开源推理模型，基于混合专家架构（MoE）与闪电注意力机制（Lightning Attention）相结合，总参数量达 4560 亿。模型支持 100...

Claudable 是基于 Next.js 的开源 Web 应用构建器，结合了 Claude Code 和 Cursor CLI 的先进 AI 代理能力，以及 Lovable 简单直观的应用构建体验...

Vace AI 是强大的一站式 AI 视频制作和编辑平台。平台基于文本描述或参考图像生成高质量的视频内容，支持视频扩展、风格转换、主体移除与重建等多种编辑功能。

FLUX.2 [klein] 是 Black Forest Labs 推出的开源轻量级图像生成与编辑模型，专为快速推理和低延迟应用场景设计。支持文本生成图像、图像编辑以及多参考图像生成，能在不到1秒内...

学术巷子是一个专注于学术资源共享和学术交流的平台，致力于为学者、研究人员和学生提供一个便捷的学术资源获取和交流的环境。通过学术巷子，用户可以轻松查找和分享各类学术论文、研究报告和学术资料，促进学术研究...

Matrix-3D 是昆仑万维 Skywork AI 团队推出的开源框架，专注于生成可探索的全景 3D 世界。框架结合全景视频生成与 3D 重建技术，能从单张图像或文本提示出发，生成高质量、全向可探索...

HIRING.STUDIO 是 AI 招聘面试辅助工具，帮助招聘团队高效创建针对特定职位的面试问题。工具基于 AI 技术，生成面试问题、建议后续问题，为不同质量的答案制定评估标准。工具支持STAR方法...

Shortcut 是创新的 AI 驱动的 Excel 辅助工具。基于智能算法，能快速完成各种复杂的 Excel 任务，包括数据输入、编辑、计算和整理。Shortcut 能处理基础操作，支持应对高级的金...

Moltbot（原名Clawdbot）是奥地利开发者 Peter Steinberger 开源的“本地优先”AI 助手，WhatsApp、Telegram、Discord、Slack、iMessage...

Kaleido是合肥工业大学、清华大学和智谱AI联合开发的开源多主体参考视频生成模型。通过多个参考图像生成主体一致的视频，解决了现有模型在多主体一致性和背景解耦方面的不足。Kaleido通过专门的数据...

Muzaic 是 AI 驱动的在线音乐生成平台，专为视频制作人和内容创作者设计。Muzaic支持基于 AI 技术快速生成与视频内容匹配的定制音乐，仅需 8 秒生成一分钟的录音室级别音轨。

综合介绍 MacOS LLM Controller 是一个开源桌面应用，托管在 GitHub 上，允许用户通过语音或文字输入自然语言指令来执行 macOS 系统命令。它基于 Llama-3.2-3B...

Make是AI驱动的无代码自动化平台，帮助企业基于自动化流程提升效率和创新能力。平台提供超过2000个预建应用，支持多种业务场景，如营销、销售、财务等。Make的核心功能包括无代码可视化流程创建、AI...

Claude Opus 4.8 是 Anthropic 推出的最新旗舰 AI 模型，在 Opus 4.7 基础上全面升级了编码、Agentic 推理与知识工作能力，新增动态工作流（Dynamic Wo...

RoboOS 2.0 是智谱开源的跨本体大小脑协同框架，推动机器人从单一智能向群体协作智能转变。框架用“大小脑”架构实现高效分工，云端大脑负责复杂决策与协同，小脑模块专注于执行具体技能。

Bernini是字节跳动开源的视频生成与编辑统一框架，采用"先理解，再生成"的协同架构：MLLM Planner深度解析文本指令与视觉输入，DiT Renderer将其转化为高质量连续视频。

GLM-4.5 是智谱推出的开源 SOTA 模型，专为智能体应用设计，融合推理、代码生成和智能体能力。模型基于混合专家（MoE）架构，包含两个版本，3550 亿参数的 GLM-4.5 和 1060 亿...

ML-Master是上海交通大学人工智能学院Agents团队推出AI专家智能体。在OpenAI的权威基准测试MLE-bench中表现出色，以29.3%的平均奖牌率位居榜首，超越了微软的RD-Agent...

综合介绍 GPT Researcher 是一个基于大型语言模型（LLM）的自主代理工具，旨在进行本地和网络研究，并生成详细的研究报告。该工具通过并行化代理工作，提供稳定的性能和更快的速度，确保信息的准...

综合介绍 奇妙元是一个数字人视频制作与直播服务的平台，提供从照片、PPT生成视频的功能，以及视频的不同语言翻译服务。用户可以定制数字角色用于新闻报道、教育内容、企业推广等多个领域。平台还提供互动数字员...

Hailuo 02 是 MiniMax 公司推出的全新 AI 视频生成模型，是 Hailuo 01 的升级版本。模型在图生视频和文生视频领域表现出色，排名仅次于字节的 Seedance 1.0，超越快...

综合介绍 PromptKnit是一个针对AI提示设计器的顶级AI沙盒平台，提供gpt-4-turbo/vision、claude-3、gemini-1.5-pro等多种模型的专业提示编辑器。用户能够组...