头像

Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER（字错误率）（⬇️ 越低越好）和 RTFx（实时因子）（⬆️ 越高越好），模型根据其平均 WER 从低到高进行排名。

Tripo AI 是一家领先的 AI 驱动 3D 建模解决方案提供商，允许用户使用文本、单张图像、多张图像、涂鸦或视频等输入，快速创建高质量的 3D 模型和环境。

Proxy是一款非常实用的 AI代理工具，虽然它并不完美，但在处理日常琐事方面表现出色。它的核心优势在于简单易用、无需复杂设置，并且能够主动解决问题。对于忙碌的用户来说，Proxy 是一个值得信赖的数字助手，可以显著提高效率。

通义万象是阿里云旗下的图像及视频生成平台，凭借其强大的多模态生成能力，正在引领生成式 AI 的发展。除了传统的文生图能力，通义万象现已支持文生视频、图生视频等多种功能，并在插画设计、涂鸦作画、局部重绘、短片创作、配乐生成等场景化应用中表现出色。

Vibe Kanban 不只是一个任务管理面板，它是人与 AI 协作的新界面。它帮助开发者更好地组织、调度和评估 AI 编码代理的工作成果，从而释放人类工程师的最大价值。

DiffRhythm（中文名“谛韵”）是由西北工业大学音频、语音与语言处理研究组（ASLP Lab）和香港中文大学（深圳）深圳大数据研究院联合开发的新型端到端全长度歌曲生成模型。基于潜扩散（Latent Diffusion）技术，DiffRhythm 能够快速生成包含人声和伴奏的完整歌曲，解决了现有音乐生成方法的诸多局限性。