AI-Compass前沿速览

AI-Compass 致力于构建最全面、最实用、最前沿的AI技术学习和实践生态，通过六大核心模块的系统化组织，为不同层次的学习者和开发者提供从完整学习路径。

github地址：AI-Compass👈：https://github.com/tingaicompass/AI-Compass
gitee地址：AI-Compass👈：https://gitee.com/tingaicompass/ai-compass

🌟 如果本项目对您有所帮助，请为我们点亮一颗星！🌟

NativeMindExtension -AI 本地助手

NativeMindExtension-GitHub)

NativeMind - 官网)

简介

NativeMind 是一款本地 AI 助手，可连接 Ollama 本地大语言模型，在浏览器中提供 AI 功能，无需将私人数据上传到云端。具有本地优先、隐私为本、开源、支持企业级应用等特点，支持多种强大开源模型本地运行。

核心功能

总结网页内容：将长文章或报告总结为简洁摘要。
多标签页无缝对话：跨网页提问，保持上下文连贯。
本地网页搜索：在浏览器中完成搜索与回答。
沉浸式翻译：即时翻译整个网页并保持排版。

技术原理

通过连接 Ollama，实现本地大语言模型（如 DeepSeek、Qwen、Llama 等）的运行，所有操作在本地设备完成，无需将数据发送到云端，利用本地算力进行数据处理和交互。

应用场景

个人使用：无需注册，无行为追踪，免费使用，可用于日常网页内容总结、对话、搜索、翻译等。
企业应用：适合企业日常流程，提供快速响应、本地运行、安全无忧的支持。

gen-cli

简介

Gen CLI 是基于开源 Gemini - CLI，依托硅基流动 SiliconCloud 平台 API 开发的命令行 AI 编程工具，为国内开发者提供类似 Gemini - CLI 的高效编程能力，可连接工具、理解代码并加速工作流。

核心功能

代码库操作：查找代码库中与 Prompt 相关内容，分析代码仓库功能和结构。
自动化开发：创建测试文件，实现持续修改 - 运行 - Debug 循环。
任务处理：一键创建应用，处理日常任务如分析发票金额组合。
交互扩展：提供交互式命令行界面，支持多命令参数，扩展性良好。
跨语境操作：能在 Gemini 1M token 上下文窗口内外查询和编辑大代码库。
多模态生成：利用 Gemini 多模态能力从 PDF 或草图生成新应用。
任务自动化：自动化操作任务，如查询拉取请求、处理复杂变基。
工具连接：连接工具和 MCP 服务器，新增媒体生成等能力。
搜索辅助：借助内置 Google Search 工具优化查询。

技术原理

基于 Gemini - CLI 架构，保留其命令行解析、Prompt 处理、文件操作等基本架构和功能逻辑；通过硅基流动 SiliconCloud 平台的 API 调用 DeepSeek 模型，利用其语言理解和生成能力执行用户命令和 Prompt。

应用场景

开发者编程：自动生成代码和测试文件，简化开发流程。
项目分析：快速掌握代码库结构和功能细节。
日常任务：自动化创建应用、处理文件任务，减少重复工作。
文件处理：从多种文件格式提取数据，支持批量处理。
交互式任务：通过命令行输入描述生成代码或执行任务，支持自定义扩展。

gen-cli)

千音漫语

简介

千音漫语是北京熠声科技推出的智能声音创作助手，提供 1200 + AI 主播，支持多语言，具备智能配音、音视频翻译配音、语音识别、声音克隆、音频处理等功能，可用于有声书制作、视频创作等场景。

核心功能

智能配音：1200 + AI 主播，近 20 个调音功能，确保配音自然流畅。
音视频翻译配音：大模型技术实现一站式字幕翻译与多语种配音。
语音识别：准确率 95%，支持数十种语言。
声音克隆：10 秒声音样本复刻声音，支持 100 多种语言。
音频处理：提供提取、转换、静音识别等多种功能。

技术原理

借助大模型技术实现音视频翻译配音；基于最新语音转文字大模型进行语音识别。

应用场景

有声书制作
视频创作
广告配音
个人创作

千音漫语)

openpaper

简介

OpenPaper 是 AI 驱动的学术研究辅助平台，集成多种智能工具，可进行深度文献阅读与总结，支持从选题到文献引用的全流程写作，能助力科研人员提升研究效率。

核心功能

学术库资源整合：集成 Semantic Scholar、arXiv、PubMed 等学术库。
论文阅读辅助：深度文献阅读、总结，智能导读，双语对照与溯源定位，对比阅读。
学术写作支持：全流程写作辅助，多参考文献格式引用，AI 辅助润色。
代码生成与复现：一键代码生成，AI 论文代码复现。
创新点挖掘：从研究主题描述自动生成结构化研究想法。
邮件订阅：接收个性化学术信息简报。

技术原理

依托人工智能技术，通过大规模学术数据训练引擎，实现对学术文献的语义理解、内容提炼、写作辅助等功能，如利用 AI 模型进行论文核心内容总结、代码生成等。

应用场景

文献综述：快速完成文献综述，生成引文网络并转换格式。
跨学科研究：订阅跨学科主题，获取多领域研究动态。
学术写作：辅助学生和研究人员撰写论文。
研究假设生成：根据研究主题生成创新性假设。
实验设计：将研究想法转化为可验证的实验方案。

openpaper)

蝉妈妈 AI - 电商

简介

蝉妈妈 AI 是蝉妈妈平台推出的电商智能工具，全面接入 DeepSeek - R1 满血版。为电商从业者提供全方位数据分析和运营支持，涵盖直播数据监测、竞品分析等功能，还有 AI 写作、脚本生成等内容创作工具，支持多端使用。

核心功能

智能对话：支持多种电商场景智能问答。
AI 看板：个性化数据看板，可自定义指标，自动更新数据。
任务自动执行：设置日常任务并自动执行。
历史对话同步：登录后可管理历史对话记录。
深度分析：支持复杂问题分析。
内容创作：包含文案提取、脚本创作等功能。

技术原理

蝉妈妈 AI 基于 DeepSeek - R1 满血版技术，利用自然语言处理技术理解用户的问题和指令，通过对电商大数据的收集、整理和分析，为用户提供精准的信息和解决方案。在内容创作方面，运用机器学习算法生成符合需求的文案、脚本等。

应用场景

选品与爆品挖掘：通过商品热度分析等锁定潜力爆品。
直播运营优化：实时监控直播间数据调整策略。
短视频创作：一键生成带货视频脚本、文案等。
竞品分析：监控竞品直播间，对比优劣势。

蝉妈妈 AI - 电商)

HumanOmniV2 - 阿里

简介

HumanOmniV2 是阿里通义实验室开源的多模态推理模型，解决了多模态推理中全局上下文理解不足和推理路径简单的问题。它能在生成答案前分析视觉、听觉和语言信号，构建场景背景，精准捕捉隐藏逻辑和深层意图。该模型在 IntentBench 等基准测试中表现出色，现已开源。

核心功能

全面理解多模态信息：综合分析图像、视频、音频等多模态输入，捕捉隐藏信息和深层逻辑。
精准推理人类意图：基于上下文背景，准确理解对话或场景中的真实意图。
生成结构化推理路径：输出详细的上下文总结和推理步骤，确保推理可解释。
应对复杂社交场景：识别理解人物情绪、动机及社会关系，提供符合人类认知的判断。

技术原理

强制上下文总结机制：输出标签内的上下文概括，构建完整场景背景。
大模型驱动的多维度奖励体系：包含上下文、格式、准确性和逻辑奖励，激励模型准确推理。
基于 GRPO 的优化训练方法：引入词元级损失，移除问题级归一化项，应用动态 KL 散度机制。
高质量的全模态推理训练数据集：包含图像、视频和音频任务，附带详细标注。
全新的评测基准 IntentBench：评估模型对人类行为动机、情感状态和社会互动的理解能力。

应用场景

视频内容理解与推荐：为视频平台提供精准推荐。
智能客服与客户体验优化：帮助客服人员应对客户问题。
情感识别与心理健康支持：辅助心理健康应用提供情绪支持。
社交互动分析与优化：优化社交推荐和用户互动体验。
教育与个性化学习：为在线教育平台提供个性化学习建议。

HumanOmniV2)

https://github.com/HumanMLLM/HumanOmniV2

HumanOmniV2 - 模型)

HumanOmniV2 - 论文)

Skywork 天工

简介

Skywork-R1V 是昆仑万维开源的多模态推理模型，具备跨模态推理、多学科泛化等能力，在高考数学、多学科推理评测中表现出色，应用广泛。SkyReels-V1 是先进的开源以人为中心的视频基础模型，通过对 HunyuanVideo 微调，在开源模型中表现优秀，具有面部动画、光影美学等优势。SkyReels-V2 是世界首个使用 Diffusion Forcing 框架的无限长度电影生成模型，结合多种技术优化，支持多种应用。

核心功能

Skywork-R1V：跨模态推理、多学科泛化、逻辑与数学推理、教育与科研应用、高效知识迁移。
SkyReels-V1：文本到视频和图像到视频生成，捕捉面部表情，实现电影级光影美学，具备高效推理框架。
SkyReels-V2：故事生成、图像到视频合成、相机导演功能、多主体一致视频生成、视频扩展、起始和结束帧控制。

技术原理

Skywork-R1V：基于 Group Relative Policy Optimization(GRPO) 算法强化学习，引入关键熵驱动机制，冷启动与数据蒸馏，连接器微调，小数据高效训练。
SkyReels-V1：自主研发数据清洗和标注管道，多阶段图像到视频预训练。
SkyReels-V2：视频字幕器提供详细注释，多任务预训练构建基础能力，强化学习提升运动质量，Diffusion Forcing 训练生成扩展视频，高质量监督微调阶段优化视觉效果。