MDocAgent是Adobe推出的多智能体跨模态框架，专注于复杂文档理解与问答。它通过五个协同工作的智能体（通用/关键信息提取/文本/图像/总结智能体）整合文本和图像信息，结合文档预处理、多模态检索、关键信息提取等步骤，在5个基准测试中性能超越现有方法12.1%。支持端到端的文档解析、跨模态检索、多智能体推理和自动化评估流程。
InternVL 是由 OpenGVLab 团队开发的开源多模态大模型，旨在提供接近 GPT-4V 和 Gemini Pro 等商业模型性能的替代方案。它支持多种模态任务，包括图像理解、文本生成、跨模态检索等，并且在多个基准测试中表现出色。InternVL 系列模型参数覆盖从 1B 到 78B，适用于各种规模和复杂度的任务。
BLIP (Bootstrapped Language-Image Pretraining) 是一款强大的图像-文本理解模型，能够根据图片内容自动生成高质量的描述文本。它结合视觉和语言模型，支持图像理解、文本生成、跨模态检索等功能，适用于图片字幕生成、视觉问答、智能搜索等场景。
Oscar（Object-Semantics Aligned Pretraining）是一款能够根据图像内容生成精准文本描述的AI模型。它通过学习图像和文本之间的语义关系，能够理解图片中的对象、场景以及它们之间的关系，从而生成详细且符合语境的文字描述。Oscar不仅能进行图像描述，还可以用于视觉问答和跨模态检索，是跨领域图像与文本理解的有力工具。
ImageBind是Meta发布的重磅项目，旨在通过一个高维空间编码所有模态，包括图像、文本、音频、深度、热量和IMU信号，从而实现跨模态的联动和应用。该项目支持模态之间的相似度计算和关系向量计算，极大地推动了多模态人工智能的研究与应用。
Macaw-LLM是一项探索性的努力，它通过无缝地结合图像、视频、音频和文本数据，开创了多模态语言建模。
Murf AI是一款先进的AI语音生成器，能够快速将文本转化为逼真的语音解说。它提供超过120种现实的文本转语音声音，支持20种语言，帮助用户为播客、视频、广告、电子学习内容等多种专业应用创建高质量的语音解说。
Jaeves是一个多功能的AI套件，支持32种语言的动态内容创作。它不仅帮助用户生成内容，还提供图像生成、语音转文本、文本转语音、编码、AI视觉和AI助手等功能，旨在提升用户的创作过程、社交媒体表现和商业成功。
Sonify是一款专注于音频、数据与新兴技术交汇的创新平台，通过音频第一的产品和数据驱动的解决方案，让复杂数据变得可访问且富有吸引力，特别是为视障群体提供音频化的数据访问方式。
Loudly是一个领先的AI音乐平台，帮助创作者快速创建、定制和发现音乐，拥有超过10万首免版权音轨和循环音效，支持数字项目的音乐生成。
Sage是一个强大的AI平台，旨在帮助用户通过虚拟助手进行互动，轻松生成代码，以及创建令人惊叹的图像、视频或音频。它不断更新，未来将推出激动人心的翻译功能，致力于将用户的想象力与尖端AI技术结合。
FutureDesk是一个先进的聊天机器人界面，彻底改变了用户与ChatGPT的互动方式。它提供了许多功能，如快速响应、聊天历史搜索、文档上传、拖放文件夹、语音输入和输出、字数统计，以及编辑、复制和删除任何聊天或消息的能力。
SignalFlow是一个用于Python和C++的音频合成框架，旨在清晰而简洁地表达复杂的音乐理念。它支持基于图形的方法进行音频合成，能够与Python无缝集成，提供实时音频处理功能，并包括多种内置音频效果和合成模块，同时允许功能的轻松定制和扩展。
FAQx是一个基于AI算法的性能营销SaaS平台，通过分析广告创意和活动数据，提供即时洞察和优化建议，帮助各行业的企业提升数字广告表现。该平台由市场营销专家构建，连接创意、分析和媒体购买，助力企业做出数据驱动的决策。
