悟道大模型
悟道大模型是智源研究院打造的人工智能模型系统，不仅具备强大的语言理解和生成能力，还能进行逻辑推理、代码分析、图像生成等多种任务，支持多种类型的文本内容生成，如小说、歌词、诗歌、对联等。
Magi简介
Magi 的模型是一个可以自动将漫画页转录成文字并生成剧本。Magi 模型是牛津大学工程科学系的视觉几何组开发的，该模型通过识别漫画页面上的面板、文字块和角色，实现了全自动的剧本生成功能。其主要功能包括面板检测，识别漫画页面上的各个面板，以及文本块检测，识别面板中的文本块，通常包含对话或叙述性文本。此外，模型还能够检测页面上的角色形象，并根据其身份进行聚类，以区分不同的角色。
Magi 模型还可以将文本与说话者进行关联，确定哪些文本是由页面上的哪个角色说出的，保证剧本的准确性。同时，模型还会按照漫画的阅读顺序对文本块进行排序，确保剧本的叙述逻辑与原漫画一致，让读者通过阅读文本完整地体验漫画故事。
除了 Magi 模型本身，项目还包含一个名为 Mangadex-1.5M 的数据集，其中包含约150万漫画页面，涵盖多种流派和艺术风格。这个数据集的设计旨在为 Magi 模型的训练提供支持，解决漫画页面的自动理解和剧本生成问题，包括面板检测、文本块和角色检测、角色身份聚类以及文本与说话者之间的关联。
通过这一项目，研究人员希望推动漫画领域的自动化处理和理解技术的发展。
论文：https://arxiv.org/abs/2401.10224
Magi GitHub源码：https://github.com/ragavsachdeva/magi
项目入口：https://top.aibase.com/tool/magi
Magi：自动将漫画页转录成文字并生成剧本
数据评估
关于Magi特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2024年3月12日 下午2:36收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与Magi相关工具
OpenRouter AI
OpenRouter AI是一个统一的AI大模型API接口平台，通过一个API即可访问来自OpenAI、Anthropic、Google、Mistral等60+提供商的500+模型，支持文本、图像、多模态等多种能力。它为开发者和企业提供更高可用性、更优价格和更灵活的数据策略，帮助快速构建、测试与部署 AI 应用。
Auto-GPT
Auto-GPT 是一个使用 GPT-4 语言模型来自动执行多步骤项目的开源应用程序。它可以让 GPT-4 自主行动，根据自然语言的目标，自动地分解成子任务，并利用互联网和其他工具来实现它，而无需人工提示。
Hallo
Hallo是一个百度开源的AI对口型人脸视频生成框架，用户只需提供一段音频和所选人像，它利用人工智能技术，让图片中的人物能够根据语音的变化做出相应的面部表情和嘴唇动作。
天壤小白大模型
天壤小白是基于语言大模型的AI应用开放平台，无需代码开发，即可快速、灵活地搭建个性化的AI应用。通过提示词工程、语义搜索、向量数据库等各类AI工具组件，破解幻觉难题，为开发者和企业提供一站式的大模型应用服务。覆盖知识管理、市场销售、客户服务、内容生成、辅助决策、多语言翻译等多个场景。
53AI
53AI是一个开箱即用的企业大模型应用平台，致力于帮助企业快速部署和利用大型语言模型（LLMs），提供企业大模型落地应用、业务智能化改造、私有模型定制和大模型咨询服务。通过 53AI，企业可以轻松实现业务流程的智能化，提高运营效率和竞争力。它支持私有云部署，帮助企业实现大模型的知识库建设、模型训练和智能体开发，从而将AI技术应用于企业的各个业务流程和产品中。
Lumiere
Lumiere是谷歌发布的一个文本到视频扩散模型，于2024年正式发布。这个模型能够直接生成全帧率、低分辨率视频，通过训练海量文本和视频数据，可以将文字描述直接转化为高质量、真实、多样且连贯动作的视频。适用于多种内容创作和视频编辑应用，如图像到视频、视频修复和风格化生成。
讯飞星辰MaaS平台
科大讯飞面向开发者打造的智能化模型精调服务平台，构建起贯穿 “数据 - 模型 - 服务” 全链路的工程化解决方案。平台提供数据增强处理、模型精调优化、效果量化评估及一键部署的的端到端开发能力；同时兼容主流开源模型生态，支持第三方模型托管。基于自研分布式训练架构与智能算力调度系统，结合 LoRA 等高效参数优化技术，平台实现大模型定制化开发的标准化、工程化，有效降低企业大模型相关业务开发成本与技术门槛，加速推动各行业智能化升级进程。
MoonShot AI
MoonShot AI（又名“月之暗面AI”）是一家致力于人工智能技术创新的公司，专注于开发和优化大型AI模型。我们的先进人工智能预测技术正改变未来。从股市分析到疫苗研发，我们的大模型技术提供了前所未有的准确性和速度。
怪兽AI知识库大模型
企业知识库大模型 + 智能的AI问答机器人，零代码搭建企业知识库平台，团队多人协同与权限管理，智能回复。
盘古大模型
盘古大模型 3.0 是一个面向行业的AI大模型系列，包含自然语言、视觉、多模态、预测、科学计算大模型等五个基础大模型，可以为用户提供知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力。
华知大模型
华知大模型是由同方知网与华为合作开发的中华知识大模型。它是一个专注于知识服务与科研行业的全栈自主可控的大模型，旨在覆盖政企文教等多个行业场景，并提供30多项通用能力体系。华知大模型的核心特色能力包括智能写作、学术搜问、AI伴读、标准智能问答、机构业务知识智能问答以及图书馆读者智能服务系统等。
NineF AI
NineF AI 是一站式免费主流 AI 大模型集成平台，集成了 GPT、Claude、Llama 等全球顶尖 AI 模型，提供多角度智能解答，助您提升工作效率和决策准确性。界面简洁直观，支持图片和文档上传，满足各类创作和研究需求，是激发创新灵感的理想人工智能助手。
Tarsier
Tarsier是由字节跳动研发的大规模视频语言模型家族，旨在生成高质量的视频描述，并具备良好的视频理解能力。Tarsier 采用了简单的模型结构，结合了 CLIP-ViT 编码帧和 LLM 模型来建模时间关系。通过精心设计的两阶段训练策略，Tarsier 展现出了强大的视频描述能力和视频理解能力，在多个公共基准测试中取得了最先进的成果。
Loopy AI
Loopy是一个端到端音频驱动的视频生成模型，专注于生成逼真的头像动画。利用先进的 AI 技术和时间模块设计，Loopy 能够从音频中提取自然的运动模式，并生成高质量的动画效果。支持多种视觉和音频风格，适用于虚拟主播、动画制作等应用场景。
书生·浦语 InternLM
书生·浦语 InternLM 是由商汤科技与上海AI实验室联合香港中文大学和复旦大学共同开发的新一代大型语言模型。它是在过万亿token数据上训练的多语千亿参数基座模型，具有较高的知识水平，尤其在中英文阅读理解、推理任务等需要较强思维能力的场景下性能优秀。
暂无评论...
好拼
好拼是一款免费的在线拼图与长图拼接工具，专为用户快速整理和美化图片而设计。它支持布局拼图与长图拼接两大核心模式，提供丰富的模板和直观的拖拽操作，让用户轻松制作创意拼图或完整长图。好拼还内置画布工具，可在拼接后的图片上添加文字、箭头、方框、圆圈等标注，帮助突出重点信息。
Polarr
Polarr（泼辣修图）是一款跨平台专业照片编辑软件，提供滤镜、全局与局部调整、AI人脸识别与编辑、叠加效果等功能，支持Windows、macOS、iOS、Android和Web使用。适合摄影师、设计师和普通用户进行高质量的图片后期处理，打造独特风格并快速美化照片。
VideoProc Converter
VideoProc Converter是一款多功能的AI驱动视频处理软件，可以进行视频/音频/图片的 转换、增强、压缩、编辑、下载和录屏，并支持AI超分辨率、帧插值、去噪、稳定等功能。
Y2Down
Y2Down是一款免费的在线视频下载网站，可以从YouTube、Facebook、TikTok等网站快速下载视频或提取视频中的音频。不需要登陆账户，在网站上复制视频链接并粘贴，选择不同的分辨率和格式（MP4、MP3 等）就能下载保存。
StreamFab
StreamFab是一款流媒体视频下载工具，支持从 Netflix、Disney+、Amazon Prime、Hulu、YouTube 等超过1000个网站下载视频和音频内容，提供高清（最高可达 8K）保存、批量下载、字幕提取和格式转换功能。