AI项目
LongCat-Video-Avatar – 美团开源的数字人视频生成模型
LongCat-Video-Avatar 是美团 LongCat 团队推出的音频驱动角色动画模型。模型能生成超逼真、口型同步的长视频，保持人物身份一致性和自然动态。LongCat-Video-Avatar支持多种生成模式，包括音频文本生成视频（AT2V）、音频文本图像生成视频（ATI2V）和视频续写。
Ember AI – AI交互式学习平台，提供全天候AI辅导
Ember AI 是马来西亚首个为 SPM 课程量身定制的交互式学习平台，帮助学生更高效地学习。平台提供 24/7 的 AI 辅导服务，学生可以在任何时间获得即时帮助，无论是深夜复习历史还是准备英语考试，AI 助教能提供详细的解答和指导。
88查 – 阿里巴巴推出的免费AI企业信息查询平台
88查是阿里巴巴推出的免费企业信息查询平台，为企业和个人提供全面、便捷的企业数据查询服务。用户可以通过官网、支付宝或微信小程序，以及1688 App等多种方式访问，输入企业名称即可快速获取工商信息、经营风险、知识产权等多维度数据。
GPT Image 1.5 – OpenAI最新推出的图像生成模型
GPT Image 1.5 是 OpenAI 最新推出的图像生成模型，具有更强的指令遵循能力和精准编辑功能，根据用户要求只修改指定部分，同时保持画面整体一致性。
红烛小说 – 字节跳动推出的首款付费网文应用
红烛小说是字节跳动推出的首款付费网文应用，专注于精品阅读。应用与字节旗下的番茄免费小说形成差异化互补，采用“免费引流 + 会员付费”的模式。
Live Avatar – 阿里联合高校开源的实时数字人模型
Live Avatar 是阿里巴巴联合多所高校推出的实时数字人模型，能通过音视频驱动生成无限时长的数字人视频。
Nemotron 3 – 英伟达推出的最新开源AI模型系列
Nemotron 3 是英伟达推出的新型开源模型系列，包括 Nano、Super 和 Ultra 三种尺寸。模型采用突破性的混合专家混合（MoE）架构，专为构建高效、准确的多智能体 AI 应用设计。
Disco – Google Labs推出的实验性AI浏览器
Disco 是 Google 推出的实验性AI浏览器。Disco 核心功能是 GenTabs，用 Gemini 3 模型将用户打开的标签页变成定制化的交互式应用。
Documentation.AI – AI文档平台，产品变更自动更新文档
Documentation.AI 是智能文档平台，专注于创建、更新和优化产品文档而设计。平台通过 AI 助手能实时监测产品变更、用户反馈等，自动更新文档内容，确保信息始终最新。
Wan-Move – 阿里联合清华等开源的运动可控视频生成框架
Wan-Move 是阿里巴巴通义实验室等机构开源的运动可控视频生成框架，通过潜在轨迹引导实现高质量的视频运动控制。核心亮点在于无需对现有图像到视频模型进行架构更改，可实现细粒度的点级运动控制，能生成 5 秒、480p 的视频，运动控制质量与商业系统相当。
Paper2Slides – 港大开源论文转为专业幻灯片的AI工具
Paper2Slides 是香港大学开源的AI工具，能快速将学术论文、报告和文档转换为专业幻灯片或海报。采用 RAG（检索增强生成）机制，直接从文档本身提取内容，确保生成的幻灯片内容准确且可追溯，避免信息漂移。
Genstory – 免费AI故事生成平台，能生成完整的数字绘本
Genstory 是基于 Gemini Storybook 技术的免费 AI 故事生成平台，能将用户的简单想法瞬间转化为精美的绘本故事。用户只需输入故事提示，如“勇敢的小女孩拯救森林”，Genstory 能在几秒钟内生成完整的数字绘本，包含引人入胜的文字和精美的插图。
Mulan – AI视频创作平台，Workflow方式实现视频生成
Mulan是创新的 AI 视频创作平台，为用户提供高效、便捷的视频生成体验。借助画布 Workflow 实现视频的批量生成，通过简单替换素材，可快速迭代出风格相似的视频，极大地提升了创意复制的效率。
LensGo AI – AI内容创作平台，一键生成风格化图像与视频
LensGo AI 是创新的 AI 创作平台，支持将简单的文字提示、照片或原始视频素材转化为风格化的图像和视频内容。平台通过强大的多模式创作引擎，让用户在浏览器中轻松实现从文字到视觉、从静态到动态的快速转换，无需复杂的剪辑或动画技能。
Gemini TTS – 谷歌推出的最新文字转语音模型
Gemini TTS 是谷歌推出的先进文字转语音技术，最新版本为 Gemini 2.5 Flash 和 Pro 模型。支持多说话人、多语言（24种以上）合成，可生成自然流畅且富有情感的语音。用户可通过自然语言指令精确控制语音的风格、语速、语调和情感表达。
LLaDA 2.0 – 蚂蚁集团开源的离散扩散大语言模型
LLaDA 2.0 是蚂蚁集团开源的离散扩散大语言模型（dLLM），包含 16B（mini）和 100B（flash）两个版本。打破了扩散模型难以扩展的瓶颈，首次将参数规模扩展至 100B 量级。
Claude-Mem – 开源Claude Code记忆插件，提供长期记忆
Claude-Mem 是专为 Claude Code 设计的开源插件，能为 AI 提供长期记忆能力。Claude-Mem通过自动存储和管理会话中的关键信息，包括工具调用、对话记录和项目结构，解决 AI 在跨会话中容易遗忘的问题。
LuxReal – 群核科技推出的AI 3D视频创作平台
LuxReal 是群核科技推出的 AI 3D视频创作平台。平台能基于图像、3D 模型等多模态输入，快速生成主体一致、画面可控的视频内容，适用电商、影视、广告等行业。L
SSVAE – 智谱AI开源的频谱结构化变分自编码器
SSVAE（Spectral-Structured VAE）是智谱AI推出的优化视频生成的新型变分自编码器。SSVAE通过谱分析发现，视频 VAE 的隐空间若具备时空低频偏置和通道特征值的少模式偏置，能显著加速下游扩散模型的训练。
GWM-1 – Runway推出的首个通用世界模型
GWM-1 是 Runway 推出的首个通用世界模型，基于 Gen-4.5 构建，采用自回归架构逐帧预测视频内容，可实时交互。模型分为三个分支：GWM Worlds 用于实时环境模拟，生成沉浸式、无限可探索空间；GWM Avatars 是音频驱动的交互视频生成模型，模拟自然人类动作和表情；GWM Robotics 是机器人训练模拟器，生成合成数据加速机器人开发。
AI工具箱收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
粤公网安备 123456789号