GeekAI v4.1.8 版本发布:全新UI与AI能力升级
GeekAI 是一个专注于人工智能应用的开源项目,致力于为用户提供便捷、高效的AI工具和服务。项目涵盖了从文本生成、图像创作到语音合成等多个AI应用领域,通过不断的技术迭代为用户带来更优质的体验。
UI 全面革新:支持主题切换
本次版本最显著的改进是用户界面的全面改版。新版本采用了现代化的设计语言,界面布局更加简洁直观,操作流程更加符合用户习惯。特别值得一提的是新增的主题切换功能,允许用户根据个人喜好选择不同的界面主题,无论是偏好深色模式还是浅色模式,都能找到适合自己的视觉风格。
Gitee AI API 深度集成
v4.1.8 版本实现了与 Gitee AI API 的深度集成,为用户带来了两大核心能力:
- 
SD 绘图接口:通过接入 Gitee 的 Stable Diffusion 绘图接口,用户可以获得更稳定、高效的图像生成服务。该接口支持多种风格和参数的调整,满足不同场景下的创作需求。
 - 
AI 对话接口:集成了 Gitee 的智能对话能力,使系统的自然语言处理能力得到进一步提升。无论是日常问答还是专业咨询,都能提供更加准确、流畅的交互体验。
 
Suno 模型升级与优化
针对音乐生成领域,本次更新适配了 Suno v4.0 模型,带来了更高质量的音乐生成效果。同时修复了任务管理中的若干问题:
- 解决了因 Luma API 更新导致的任务响应解析失败问题
 - 修复了已完成 Suno 任务删除功能异常的问题
 
这些改进显著提升了音乐生成功能的稳定性和用户体验。
OpenAI 实时语音通话功能
v4.1.8 版本引入了一项重磅功能——OpenAI 实时语音通话。该功能具有以下特点:
- 采用按次收费模式,合理控制使用成本
 - 管理员可灵活配置每次通话的算力消耗
 - 提供高质量的实时语音交互体验
 
这项功能为需要语音交互的应用场景提供了新的可能性,如语音助手、智能客服等。
绘图功能增强与算力管理
在图像生成方面,本次更新带来了多项改进:
- 
DALL-E-3 支持 Flux 模型:扩展了绘图模型的选项,用户现在可以选择 Flux 模型进行创作,获得不同风格的图像输出。管理员可以在后台添加和管理各种绘图模型。
 - 
算力消耗控制:
- 生成提示词现在需要消耗算力
 - 管理员可以设置每次生成提示词的算力消耗
 - 有效防止资源滥用,保障系统稳定运行
 
 
其他优化与改进
- Markdown 增强:完善了对 emoji 表情的解析支持,使文档编辑更加生动有趣
 - 功能可见性控制:当管理员在后台禁用某个绘图功能时,移动端界面会同步隐藏该功能,保持体验的一致性
 
总结
GeekAI v4.1.8 版本通过UI革新、功能增强和问题修复,为用户带来了更加完善的人工智能应用体验。从视觉交互到核心功能,从算力管理到模型支持,本次更新在多方面都有显著提升,展现了项目团队对技术细节的追求和对用户体验的重视。这些改进不仅增强了现有功能,也为未来的扩展奠定了坚实基础。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00