Soundwave是一个高效的语音转文本模型，旨在实现语音与文本的深度对齐，适用于交互式任务，表现出色。
Skywork-R1V是由Skywork AI开发的先进多模态AI模型系列，专注于视觉-语言推理，提供模型权重和推理代码。
MagicQuill是一个智能互动图像编辑系统，提供用户友好的界面和AI辅助编辑功能，支持精准的本地图像编辑。
MarkPDFDown是一款高质量的PDF转Markdown工具，基于大型语言模型视觉识别，能够精准提取文本，保留格式，支持复杂文档结构。
TrajectoryCrafter 是一个利用扩散模型从单目视频生成高保真新视角的工具，支持精确的相机轨迹控制。
Token Explorer是一个工具，允许用户交互式地探索大型语言模型(LLM)的标记生成过程，提供类似视频游戏的界面。用户可以逐步生成标记，查看概率和熵等信息。
Docs是一个基于Django和React构建的协作笔记、维基和文档平台，旨在优化知识创建与分享，支持实时协作编辑。
Thera是首个支持任意尺度的超分辨率方法，结合了物理观察模型，旨在提高图像质量。
MiniCheck是一个高效的事实核查工具，旨在验证大型语言模型（LLMs）在基础文档中的准确性，支持便捷的本地运行和多种模型验证。
FineVideo是一个视频数据集，共有43000+视频和3400小时的丰富标注，提供视频采集与注释的代码，支持分布式处理和Docker容器化。
