每日 AI 项目与应用实例

MagicQuill 是一款由香港科技大学、蚂蚁集团、浙江大学和香港大学共同开发的智能互动图像编辑工具，通过用户友好的界面和 AI 支持的智能建议，实现精确的局部图像编辑。

Free Video-LLM 是一种无需训练的高效视频语言模型，通过提示引导的视觉感知技术，实现了对视频内容的高效理解。

TinyTroupe 是微软推出的一款实验性 Python 库，用于模拟具有特定个性、兴趣和目标的人工代理在模拟环境中的互动。基于大型语言模型生成逼真的行为，研究人类行为和消费者类型，旨在理解人类行为

OmniParse 是一个数据解析平台，能够将多种非结构化数据转换为结构化、可操作的数据，优化适用于大型语言模型（LLM）应用。

Promptim 是一个实验性的提示优化库，旨在帮助用户系统地改善 AI 系统的提示效果，支持自动化优化和人工反馈。

Text Behind Image 是一款开源的在线工具，支持用户在图片中的角色背后添加文字，创建具有视觉冲击力的海报和社交媒体图像。

RMBG-2.0 是 BRIA AI 推出的最新图像背景移除模型，基于深度学习技术实现高精度的前景与背景分离，适用于电子商务、广告、游戏开发等多个领域。

Excalidraw 是一款开源的在线白板工具，具备手绘风格和实时协作功能，适用于快速草图、头脑风暴和远程协作。

Chonkie 是一个轻量级、快速且功能丰富的 RAG 分块库，支持多种分块方法，适用于各种自然语言处理任务。

Vision Search Assistant (VSA) 是一种结合视觉语言模型和网络代理搜索的框架，能够显著提升模型对未知视觉内容的理解能力，广泛应用于图像识别、新闻分析等多个领域。

Kiroku 是一个多智能体系统，旨在帮助用户组织和撰写文档。它通过模拟导师与学生之间的互动，加速文档的构思和成文过程。

AgentReview 是一个基于大型语言模型（LLM）的框架，用于模拟学术同行评审过程，旨在探索和解决评审过程中的复杂多变量因素，同时保护隐私。

MoneyPrinterTurbo 是一款强大的视频生成工具，通过提供视频主题或关键词，可以全自动地生成高清视频，包括视频文案、素材、字幕和背景音乐。

PDFMathTranslate 是一款开源的 PDF 文档翻译工具，支持科技论文等 PDF 文件的翻译，保留原文排版，包括公式和图表。同时支持双语对照，保持原有目录结构，兼容多种翻译服务。

TableGPT2-7B 是浙江大学推出的大规模解码器，专为数据密集型任务设计，尤其擅长处理和分析表格数据。

VideoChat 是一款开源的实时数字人对话系统，支持语音输入和实时对话功能，首包延迟低至 3 秒，适用于多种实时语音交互场景。

OpenCoder 是一个由墨尔本大学、复旦大学等高校研究人员联合推出的开源代码大型语言模型（LLM），旨在提升开源代码 LLM 的性能，推动代码 AI 研究的透明化和可重复性。

DimensionX 能够从单张图片生成高逼真度的 3D 和 4D 场景。该框架利用 ST-Director 技术解耦空间和时间因素，实现精确控制，并包含轨迹感知和身份保持去噪策略，以增强场景的一致性

HK-O1aw 是一个专为香港法律系统设计的法律助理，旨在处理复杂的法律推理问题。HK-O1aw 在合同法、消费者权益保护法等多个法律领域表现出色，提供逻辑严密的法律意见和咨询服务。

CogVideoX 是智谱研发的开源 AI 视频生成模型，最新版本为 CogVideoX v1.5，支持生成 5 至 10 秒、768P 分辨率、16 帧的视频，以及任意尺寸比例的图像到视频的转换。