Twelve Labs是一款专注于多模态AI技术的视频分析工具，能够像人类一样理解视频内容，帮助用户通过自然语言进行视频搜索、生成视频描述，并支持视频分类等功能。适用于内容创作者、媒体专业人士、教育机构和大企业，简化视频分析与操作，提升效率和可访问性。
视频内容分析工具，通过结合Llama3.2视觉模型和OpenAI的Whisper模型，本地生成视频描述，提供全面的视频分析解决方案。
Vid2txt是在MacOS和Windows上转录视频（和音频）最简单的应用程序。
HPT是HyperGAI的开源多模态大语言模型，能够有效理解文本和视觉输入之间的关系，提供强大的语义理解和生成能力，适用于各种应用场景。
Recos是一个利用OpenAI的Whisper API将音频内容转录为文本的网页应用，提供稳定且可扩展的体验，确保您的内容绝对保密。用户只需登录网站并上传支持格式的音频文件（如MP3、WAV、M4A、FLAC），可以使用自己的OpenAI API密钥或登录以使用积分。每个积分允许生成1分钟的音频转录，转录完成后可下载文本输出。
aiwriter.fi是一个使用先进的OpenAI人工智能技术生成各种文本内容的平台，支持33种语言，能够生成文章、博客、广告等，还能利用DALL-E生成AI图像。
VideoToWords是一个网络应用，允许用户从YouTube视频中转录、总结并分享名言。用户只需输入YouTube视频的URL，应用程序会提取视频中的音频并提供文本转录。用户可以选择特定的名言，进行总结，并与他人分享。
CannyPen 是一款由人工智能驱动的软件，旨在帮助用户高效创作高质量内容。它利用先进的人工智能技术提供写作辅助、内容建议和编辑工具，用户只需选择写作工具，说明主题或细节，即可在几秒钟内生成独特且人性化的内容。
LLaMA-VID 是一个用于理解长视频的多模态大模型，通过双令牌策略显著减少了长视频的过载，同时保留了关键信息。
HiChatbot是一个基于AI的聊天机器人，可以回答您关于文档、文本、网页或视频文本的提问。只需上传文档、文本，或提供网页链接和视频链接，HiChatbot就能通过聊天界面与您进行问答对话。
这个项目能分析图像中对象之间的关系，是一个将Meta的Segment-Anything模型与ECCV'22论文相结合的演示：Panoptic Scene Graph Generation。
