audio-generation
MassGen中的音频生成和理解指南。涵盖了ElevenLabs和OpenAI后端的文本转语音、音乐、音效以及音频理解。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
MassGen中的音频生成和理解指南。涵盖了ElevenLabs和OpenAI后端的文本转语音、音乐、音效以及音频理解。
以编程方式查询CELLxGENE Census(超过6100万个细胞)。当您需要从最大的经过整理的单细胞图谱中获取跨组织、疾病或细胞类型的表达数据时,请使用此功能。最适合用于群体规模的查询、参考图谱比较。对于分析您自己的数据,请使用scanpy或scvi-tools。
具有减少偏见功能的智能简历解析和候选人筛选
重新表述、纠正和扩展写作内容,根据上下文进行改进。当用户需要帮助时使用:(1)为了更清晰、调整语气或风格而重新表述文本;(2)纠正语法错误、打字错误或拼写错误;(3)将粗略的想法、要点或片段扩展为完整的散文。触发短语包括“重新表述这个”、“修正这段文字”、“帮我写”、“扩展这个想法”,或者直接提供需要改进的文本。
集成Affinda的文档AI API,从文档(发票、简历、收据、合同和自定义类型)中提取结构化数据。涵盖身份验证、客户端库(Python、TypeScript)、使用Pydantic模型和TypeScript接口的结构化输出、Webhooks、上传模式以及完整的文档地图。在使用Affinda解析、分类或从文档中提取数据构建集成时使用。
关于检索增强生成管道、摄取和向量搜索的详细信息
使用Exa AI工具进行综合研究的能力,用于网络搜索和代码上下文检索。在对技术进行研究、寻找代码示例、发现最新工具或收集任何主题的全面信息时使用。结合文章/新闻的网络搜索与实现示例的代码搜索。
使用大型语言模型进行自动假设生成和测试。当从数据集中生成科学假设、将文献见解与实证数据结合、针对观察数据测试假设,或在诸如欺骗检测、AI内容检测、心理健康分析或其他实证研究任务等领域中进行系统性的假设探索以促进研究发现时,可以使用此技能。
车牌识别集成。管理车辆、摄像头、区域、用户、警报。当用户想要与车牌识别数据交互时使用。
Generate AI images and videos with 17+ active models via Wuli.art open platform API. Use when creating images from text prompts, editing images with one or more references, generating videos from text…
知识库的搜索自动完成功能和类型前缀建议优化
在网上研究主题,从多个来源收集信息,并总结发现。
查询捆绑的研究知识图谱以获取方法指导。通过三层知识库路由问题——为什么(研究声明)、如何(指南文档)、它看起来像什么(领域示例)——加上结构化的参考文档。返回基于研究的答案,这些答案基于具体的声明,并具有对用户系统的实际应用。触发词为“/ask”,“/ask [问题]”,“为什么我的系统...”,“我应该如何...”。
物理AI、ROS 2和人形机器人领域的知识。
此技能应用于时间序列机器学习任务,包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。在处理时间数据、序列模式或需要超出标准机器学习方法的专业算法的时间索引观察时使用。特别适合于单变量和多变量时间序列分析,并且具有与scikit-learn兼容的API。
用于机器学习的分子特征化(100多种特征化方法)。包括ECFP、MACCS、描述符、预训练模型(如ChemBERTa),能够将SMILES转换为特征,适用于QSAR和分子机器学习。
查询已发布智能体列表供 LLM 选择,再按指定智能体名称发起对话并返回回答。
Flussonic Media Server专家 — 配置、API、直播流、转码、DVR、重流、CDN、协议及故障排除。当用户提到Flussonic,或涉及到使用Flussonic进行媒体服务器流配置、在Flussonic上设置实时输入(RTMP/SRT/WebRTC/多播源)、使用NVENC硬件加速进行转码、DVR录制和回放、通过Flussonic向CDN或社交媒体重流、HLS/DASH/LL-…
计划、录制、编辑和制作教学视频内容,包括屏幕录像、演示和讲解视频
团队中人工智能代理生成大部分实施输出的工程运营模型。
当用户需要从图片、PDF或文档中提取文本时使用此技能。支持URL和本地文件。返回包含识别文本的结构化JSON。
通过增强语法、词汇、叙述清晰度、流畅性、节奏和写作风格来提高文本质量,同时保留作者的声音。
此技能应在处理基因组区间数据(BED文件)进行机器学习任务时使用。可用于训练区域嵌入(Region2Vec, BEDspace)、单细胞ATAC-seq分析(scEmbed)、构建共识峰(universes),或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。
跨平台的Python库,用于量子计算、量子机器学习和量子化学。支持构建和训练具有自动微分功能的量子电路,无缝集成PyTorch/JAX/TensorFlow,并可在模拟器和量子硬件(如IBM, Amazon Braket, Google, Rigetti, IonQ等)上实现与设备无关的执行。当处理量子电路、变分量子算法(VQE, QAOA)、量子神经网络、混合量子-经典模型、分子模拟、量子化学计…