# 图像识别 #
0
关注
1216内容
CLaMP 3：音乐搜索AI革命！多模态AI能听懂乐谱/MIDI/音频，用27国语言搜索全球音乐
CLaMP 3是由清华大学团队开发的多模态、多语言音乐信息检索框架，支持27种语言，能够进行跨模态音乐检索、零样本分类和音乐推荐等任务。
Omnitool：开发者桌面革命！开源神器一键整合ChatGPT+Stable Diffusion等主流AI平台，本地运行不联网
Omnitool 是一款开源的 AI 桌面环境，支持本地运行，提供统一交互界面，快速接入 OpenAI、Stable Diffusion、Hugging Face 等主流 AI 平台，具备高度扩展性。
如何使用非结构化 API 高效处理文档
手动处理非结构化文档面临格式不一致、数据噪声多和信息检索困难等挑战，导致低效率和合规风险。Unstructured API 通过自动化文档处理，利用AI技术简化分类、归类和异常检测，节省时间和提高准确性。Supametas.AI 作为领先平台，支持多种文件类型（如文本、图片、视频），适用于各行各业，可与Salesforce、Zendesk等工具无缝集成，确保数据流动顺畅并提升工作效率。其强大的功能包括数据摄取、处理技术、检索增强生成、灵活性、可扩展性和集成能力，帮助企业和小公司高效处理大量非结构化数据，实现业务增长和优化工作流程。
VideoCaptioner：北大推出视频字幕处理神器，AI自动生成+断句+翻译，1小时工作量5分钟搞定
VideoCaptioner 是一款基于大语言模型的智能视频字幕处理工具，支持语音识别、字幕断句、优化、翻译全流程处理，并提供多种字幕样式和格式导出。
PDF to Podcast：英伟达开源黑科技！PDF 秒转播客/有声书，告别阅读疲劳轻松学习！
NVIDIA推出的PDF to Podcast工具，基于大型语言模型和文本到语音技术，将PDF文档转换为生动的音频内容。
Data Formulator：微软开源的数据可视化 AI 工具，通过自然语言交互快速创建复杂的数据图表
Data Formulator 是微软研究院推出的开源 AI 数据可视化工具，结合图形化界面和自然语言输入，帮助用户快速创建复杂的可视化图表。
InspireMusic：阿里通义实验室开源的音乐生成模型，支持文本或音频生成多种风格的音乐
阿里通义实验室开源的音乐生成技术，支持通过简单描述快速生成多种风格的高质量音乐作品。
Airweave：快速集成应用数据打造AI知识库的开源平台，支持多源整合和自动同步数据
Airweave 是一个开源工具，能够将应用程序的数据同步到图数据库和向量数据库中，实现智能代理检索。它支持无代码集成、多租户支持和自动同步等功能。
MedRAX：专注于胸部X光检查的AI医学推理智能体，帮助医生快速解读胸部X光片
MedRAX 是一款专门用于胸部X光检查的医学推理AI智能体，整合了多种最先进的分析工具，支持多模态推理和动态任务分解。
LLaVA-Med：微软推出专为临床放射学优化和报告生成的多模态模型
LLaVA-Med是微软推出的小型多模态模型，专注于高效生成高质量的胸部X光放射学报告，支持快速临床部署。
免费试用