面向长时域实时游戏代理的通用视觉-语言-动作基础模型。Gamer combines cross-game pre-training, task-conditioned learning, and low-latency inference for long-horizon interaction.
TranscriptClip是一个视频转录生成器,可以将来自TikTok、Instagram、YouTube、X、Facebook和RedNote的公共视频链接转换为带有时间戳的文本。
MinerU 是面向 Agent、RAG 和 LLM 的智能文档解析平台,支持 PDF、Word、PPT、Excel、图片和网页 URL 解析,可转换为 Markdown、JSON、LaTeX 等结构化结果。