SPIN-Diffusion

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。

VideoTutor 是一款 AI 驱动的教育工具，专注于生成学习视频，它提供定制的 AI 解释视频和 24/7 AI 教师支持，覆盖数学、科学和语言等主题。它适合 K-12 学生自主学习，但具体效果可能因用户而异。

TTSMaker是一款在线文本转语音工具，也称为AI语音生成器，它可以将文本转换为音频，并且可以播放或下载音频文件。

BabelDOC 是新一代智能 PDF 翻译工具，采用先进的排版保持技术，为您提供专业级的双语对照翻译体验。无论是前沿学术论文，还是商业分析报告，BabelDOC 都能帮您轻松跨越语言藩篱，同时完美呈现原文档的精致排版。

Whisk 是谷歌最新的 Google Labs 实验，允许用户通过输入或创建传达主题、场景和风格的图像，轻松组合并重新混合这些元素，生成独一无二的作品。Whisk 结合了 Imagen 3 的图像生成能力和 Gemini 的视觉理解和描述能力，使用户能够以有趣的新方式探索创意。

Qwen Chat是阿里通义团队在海外市场推出了一款全新的AI助手，可以看作是通义千问的海外版，这款助手基于开源的Open WebUI框架开发而成。