视频超分与插帧
提升视频分辨率、帧率，改善流畅度与清晰度，适用于老片修复、慢动作。
- 输入
- 低清或低帧率视频
- 输出
- 画质增强或插帧视频
多模态交互模型平台
从灵感到完成
快速查找
全部 AI 工具
文生视频与图生视频
根据文本提示或参考图生成视频片段，用于创意内容、广告素材、预演。
- 输入
- 文字描述或参考图
- 输出
- 生成的视频片段
超分、去噪与去模糊
图像增强与修复，用于画质提升、老照片修复。
- 输入
- 低清、噪点或模糊图像
- 输出
- 增强与修复后的图像
OCR 文字识别
识别图像中的文字，支持票据、证件、文档、场景文字。
- 输入
- 票据、证件、文档图片
- 输出
- 识别出的文字
语音转文字 ASR
将语音转写为文本，用于会议、客服、字幕。
- 输入
- 会议、客服等录音
- 输出
- 转写文本
文生图与参考图生成
文本或参考图生成图像，用于创意、设计、营销素材。
- 输入
- 文字描述或参考图
- 输出
- 生成的创意图像
视频高光检测与自动剪辑
自动识别精彩片段并剪辑成短片，用于赛事、直播、短视频生产。
- 输入
- 赛事、直播录像
- 输出
- 精彩片段短片
视频去字幕
检测并移除视频中硬字幕，便于二次配音、多语言分发。
- 输入
- 带硬字幕的视频
- 输出
- 去除硬字幕的视频
视频去水印
定位并去除视频水印/台标，用于素材清洗与合规处理。
- 输入
- 带水印或台标的视频
- 输出
- 清理后的视频
视频稳定与防抖
消除手持拍摄抖动，输出平稳画面，提升观看体验。
- 输入
- 有抖动的手持视频
- 输出
- 防抖处理后的视频
视频抠像与背景替换
分离前景人物与背景，支持虚拟背景、绿幕替代。
- 输入
- 人物视频与新背景
- 输出
- 合成背景的视频
动作与事件识别
识别视频中的人体动作、行为事件，用于安防、体育、工业监控。
- 输入
- 人体动作视频
- 输出
- 动作与事件标签
活动、跌倒与疲劳检测
面向养老、工地、驾驶场景，检测跌倒、疲劳、异常活动并告警。
- 输入
- 养老、工地、驾驶视频
- 输出
- 跌倒、疲劳等告警
视觉异常检测
从视频中识别偏离正常模式的异常，用于产线、巡检、安防。
- 输入
- 产线、巡检、安防视频
- 输出
- 画面异常线索
多目标跟踪
在视频中持续跟踪多个目标，输出轨迹 ID，用于人流、车流分析。
- 输入
- 多人或多车的视频
- 输出
- 目标编号与连续轨迹
目标检测与多目标跟踪
检测视频/图像中的目标并持续跟踪，支撑计数、测速、行为分析。
- 输入
- 图像或连续视频
- 输出
- 检测与跟踪结果
轨迹预测与运动规划
预测行人/车辆/机器人未来轨迹，用于自动驾驶、机器人避障。
- 输入
- 目标运动数据
- 输出
- 轨迹预测与规划参考
口型同步与数字人播报
让数字人口型与语音对齐，用于虚拟主播、播报、客服。
- 输入
- 数字人画面与语音
- 输出
- 口型同步播报视频
视觉语言动作与抓取
结合视觉与语言指令驱动机器人抓取，用于具身智能。
- 输入
- 场景图像与语言指令
- 输出
- 对应的抓取动作
通用写作与对话
文本生成、改写、问答、多轮对话，覆盖通用助手场景。
- 输入
- 写作要求或对话问题
- 输出
- 文本草稿与对话回复
摘要与改写
长文压缩、风格改写、要点提炼，用于报告、资讯、会议纪要。
- 输入
- 长文与摘要改写要求
- 输出
- 内容摘要或改写稿
机器翻译与本地化
多语言互译与本地化润色，支持文档、界面、字幕。
- 输入
- 原文与目标语言要求
- 输出
- 译文与本地化表述
文本内容审核
识别违规、暴恐、色情、广告等文本，用于社区与内容平台。
- 输入
- 待审核的社区文本
- 输出
- 内容风险识别结果
文本向量与语义相似度
将文本编码为向量，支持语义检索、去重、聚类、相似匹配。
- 输入
- 待编码或比较的文本
- 输出
- 文本向量与相似结果
实体与关系抽取
从文本中抽取人物、机构、事件及其关系，构建知识图谱。
- 输入
- 含人物、机构的文本
- 输出
- 实体及关系信息
情感与观点分析
判断文本情感极性、观点倾向，用于舆情、评论、客服质检。
- 输入
- 评论或客服对话文本
- 输出
- 情感极性与观点倾向
意图识别与槽位抽取
理解用户意图并抽取关键槽位，用于对话系统、工单分流。
- 输入
- 用户提问或工单内容
- 输出
- 用户意图与关键字段
表格分类与风险评分
对表格/表单分类并输出风险分，用于风控、合规、审核。
- 输入
- 待分类的表格或表单
- 输出
- 分类与风险评分
字段与表单抽取
从合同、票据、表单中抽取结构化字段，用于录入自动化。
- 输入
- 合同、票据或表单
- 输出
- 结构化字段
文本语种识别
自动判断文本语种，用于路由、翻译前置、内容分发。
- 输入
- 需要判断语种的文本
- 输出
- 文本语种识别结果
语种识别
识别语音/文本语种，用于多语言客服、会议系统。
- 输入
- 待识别的语音或文本
- 输出
- 语音或文本的语种
PII/PHI 检测与脱敏
检测个人身份信息与健康信息并脱敏，满足隐私合规。
- 输入
- 含身份或健康信息的文本
- 输出
- 敏感信息标记与脱敏文本
AI 安全检测与响应
识别提示注入、越狱、有害内容等风险并触发响应策略。
- 输入
- 待检测的提示与内容
- 输出
- 风险识别与响应结果
因果推断与增益模型
估计干预因果效应与增量收益，用于营销、运营、定价。
- 输入
- 干预措施与效果数据
- 输出
- 因果效应与增益估计
图谱、反欺诈与关系风险
基于图谱挖掘团伙、关联风险，用于反欺诈与风控。
- 输入
- 实体之间的关联数据
- 输出
- 关系图谱与风险线索
修补、扩图与可控编辑
局部重绘、外扩、可控编辑，用于修图、电商、设计。
- 输入
- 原图与编辑要求
- 输出
- 局部修改或扩展图像
图像分类与细粒度识别
识别图像类别与细粒度子类，用于质检、归档、识别。
- 输入
- 待分类图像
- 输出
- 类别与细粒度子类
版面、表格与公式解析
解析文档版面、表格结构、数学公式，用于文档数字化。
- 输入
- 含表格、公式的文档
- 输出
- 版面、表格、公式结构
人脸检测识别与活体
人脸检测、比对、活体判断，用于门禁、核身、安防。
- 输入
- 人脸图像或视频
- 输出
- 人脸比对与活体结果
姿态、手势与关键点
识别人体姿态、手势、关键点，用于交互、健身、动画。
- 输入
- 人体或手部画面
- 输出
- 姿态、手势与关键点
医学影像检测与分割
检测与分割病灶、器官，用于辅助诊断与科研。
- 输入
- 医学影像资料
- 输出
- 病灶、器官分割结果
监督式缺陷检测
基于标注样本检测产品表面/内部缺陷，用于工业质检。
- 输入
- 标注样本与产品图像
- 输出
- 产品缺陷检测结果
视觉测量与对位
测量尺寸、位置、对齐度，用于精密制造与装配。
- 输入
- 产品测量图像
- 输出
- 尺寸、位置与对齐度
开放词汇检测与分割
用自然语言描述目标进行检测与分割，无需固定类别。
- 输入
- 图像与目标描述
- 输出
- 目标检测与分割结果
图像与视频分割
语义/实例/全景分割，用于抠图、标注、分析。
- 输入
- 图像或视频
- 输出
- 按类别或实例分割区域
三维重建与数字孪生
从图像/点云重建三维场景，用于孪生、测绘、仿真。
- 输入
- 场景图像或点云
- 输出
- 重建的三维场景
深度估计
估计单目/双目深度，用于自动驾驶、AR、机器人。
- 输入
- 单目或双目图像
- 输出
- 场景深度估计
文本/图像生成 3D 资产
由文本或图像生成三维模型/资产，用于游戏、电商、元宇宙。
- 输入
- 文字描述或参考图
- 输出
- 三维模型资产
文字转语音 TTS
将文本合成为自然语音，用于播报、有声内容、无障碍。
- 输入
- 需要播报的文本
- 输出
- 合成语音
实时语音客服与业务代理
实时语音交互并执行业务动作，用于呼叫中心、语音助手。
- 输入
- 语音请求与业务任务
- 输出
- 语音答复与办理结果
语音到语音翻译
端到端语音翻译，保留音色与韵律，用于跨语言沟通。
- 输入
- 语音与目标语言
- 输出
- 翻译后的语音
语音克隆与转换
克隆音色或转换语音风格，用于配音、个性化 TTS。
- 输入
- 参考音色与目标内容
- 输出
- 克隆或转换后的语音
说话人分离
区分不同说话人，用于会议纪要与多说话人转写。
- 输入
- 多人发言录音
- 输出
- 按说话人区分的片段
声纹识别与验证
基于声纹确认身份，用于核身、反欺诈。
- 输入
- 待验证语音与声纹
- 输出
- 声纹比对结果
唤醒词检测
检测指定唤醒词，用于语音助手低功耗唤醒。
- 输入
- 连续语音与唤醒词
- 输出
- 唤醒词检测结果
语音活动检测 VAD
检测语音段与非语音段，用于降本、切分、实时交互。
- 输入
- 含语音的音频
- 输出
- 语音与非语音区段
降噪与语音增强
抑制噪声、增强人声，用于通话、录音、会议。
- 输入
- 带噪声的人声录音
- 输出
- 增强后的人声音频
回声消除与去混响
消除回声与混响，用于免提通话、会议室音频。
- 输入
- 有回声或混响的音频
- 输出
- 减少回声与混响的音频
环境声音识别
识别环境中的声音事件，用于安防、工业、城市感知。
- 输入
- 环境声音录音
- 输出
- 声音事件识别结果
音乐与音效生成
生成音乐、音效，用于内容创作、游戏、短视频。
- 输入
- 音乐或音效描述
- 输出
- 生成的音乐与音效
RAG 知识问答
检索增强生成，基于企业知识库问答，降低幻觉。
- 输入
- 企业知识内容与问题
- 输出
- 基于检索内容的回答
文档问答与比较
对多文档问答、对比、摘要，用于合同、报告、论文。
- 输入
- 多份文档与问题
- 输出
- 回答、差异与摘要
企业知识助手
面向企业内知识检索、问答、写作的综合助手。
- 输入
- 企业资料与查询写作要求
- 输出
- 知识回答与写作草稿
多模态检索
以文搜图/视频、以图搜文等跨模态检索。
- 输入
- 文字或图片检索线索
- 输出
- 跨模态内容匹配结果
视觉问答与场景理解
结合图像与问题作答，用于无障碍、教育、巡检。
- 输入
- 场景图片与相关问题
- 输出
- 基于图像内容的回答
实时多模态助手
实时处理语音、图像、文本的交互助手。
- 输入
- 语音、图像与文字
- 输出
- 多模态内容回复
工具调用与工作流代理
调用外部工具/API 编排工作流，完成复杂任务。
- 输入
- 任务目标与可调用工具
- 输出
- 工具调用与工作流结果
GUI 与浏览器代理
操作图形界面与浏览器完成任务，用于自动化与 RPA。
- 输入
- 界面任务与操作目标
- 输出
- 界面操作后的任务结果
编码与 DevOps 代理
代码生成、理解、审查、运维自动化。
- 输入
- 代码与开发运维任务
- 输出
- 代码、审查或运维结果
代码生成与理解
代码补全、生成、解释、重构、单测生成。
- 输入
- 代码片段与开发要求
- 输出
- 解释、重构或测试草稿
研究与运营多代理编排
多智能体协作完成研究、运营、分析任务。
- 输入
- 研究、运营或分析任务
- 输出
- 多代理协作结果
个性化排序
基于用户行为个性化排序，用于推荐、搜索、广告。
- 输入
- 用户行为与待排序内容
- 输出
- 按用户行为排列的内容
候选召回与相似推荐
召回候选并做相似推荐，用于电商、内容、社交。
- 输入
- 推荐线索与候选内容库
- 输出
- 候选召回与相似推荐结果
语义搜索与重排序
语义召回 + 重排，提升搜索相关性。
- 输入
- 搜索问题与待检索内容
- 输出
- 按相关性重排的搜索结果
预测性维护与剩余寿命
结合多源数据预测设备故障与剩余寿命。
- 输入
- 设备运行与多源监测数据
- 输出
- 故障预测与剩余寿命估计
流式异常与变化检测
对流式数据实时检测异常与突变。
- 输入
- 持续到达的流式数据
- 输出
- 异常与变化检测结果
时间序列预测
对时序数据做趋势、周期、异常预测。
- 输入
- 历史时间序列
- 输出
- 趋势、周期与异常预测
排程、路径与资源优化
求解排程、路径、资源分配优化问题。
- 输入
- 任务、路径与资源约束
- 输出
- 排程与资源分配方案
AMR 导航与调度
移动机器人导航、避障与多机调度。
- 输入
- 机器人任务与导航环境
- 输出
- 导航路径与多机调度方案
无人机与现场自主巡检
无人机自主巡检、识别与告警。
- 输入
- 无人机巡检任务与现场数据
- 输出
- 现场巡检识别与告警结果
多传感器感知与融合
融合摄像头、雷达、激光雷达等多传感器感知。
- 输入
- 摄像头、雷达等数据
- 输出
- 融合场景感知结果
IMU/雷达/激光雷达融合
融合惯性、雷达、激光雷达数据做定位与感知。
- 输入
- 惯性、雷达、激光雷达数据
- 输出
- 融合定位与感知结果
视觉惯性 SLAM
视觉 + 惯性里程计与建图，用于机器人与 AR。
- 输入
- 视觉画面与惯性观测数据
- 输出
- 运动轨迹与环境地图
负荷与环境预测
预测电力负荷、环境指标，用于能源与城市管理。
- 输入
- 历史电力负荷或环境指标
- 输出
- 负荷或环境指标预测
没有找到匹配的功能
试试更短的关键词，或切换到全部功能。