%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
简介
Aria-UI是一个专为GUI指令视觉定位而设计的大规模多模态模型。它采用纯视觉方法，不依赖辅助输入，能够适应多样化的规划指令，并通过合成多样化、高质量的指令样本来适应不同的任务。Aria-UI在离线和在线代理基准测试中均创下新的最高记录，超越了仅依赖视觉和依赖AXTree的基线。
截图
产品特色
- ✨ 多格式指令理解：Aria-UI能够处理多样的定位指令，适应不同格式，确保在动态场景或与不同规划代理搭配时的鲁棒适应性。
- 📝 上下文感知定位：Aria-UI有效利用历史输入，无论是纯文本还是图文交错格式，以提高定位精度。
- ⚡ 轻量级和快速：作为一个每token激活3.9B参数的混合专家模型，Aria-UI能够高效编码不同大小和纵横比的GUI输入，并支持超高分辨率。
- 🎉 卓越性能：Aria-UI在AndroidWorld和OSWorld基准测试中分别获得第一名和第三名，显示出其卓越的性能。
使用教程
1. 访问Aria-UI的HF Space Demo页面，尝试在线体验模型功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
2. 下载并安装所需的Aria-UI数据集和模型检查点，以便在本地环境中使用。
3. 阅读Aria-UI的论文和代码文档，了解模型的工作原理和使用方法。
4. 根据具体的GUI任务，编写或调整定位指令，以适应Aria-UI的输入要求。
5. 使用Aria-UI模型对GUI进行视觉定位，执行自动化任务。
6. 根据需要调整和优化模型参数，以提高任务执行的准确性和效率。
流量来源
| 直接访问 | 41.75% | 外链引荐 | 34.57% | 邮件 | 0.19% |
| 自然搜索 | 12.40% | 社交媒体 | 9.36% | 展示广告 | 0.92% |
最新流量情况
月访问量
279
平均访问时长
0.00
每次访问页数
1.03
跳出率
42.22%
总流量趋势图
地理流量分布情况
美国
100.00%
地理流量分布全球图
同类开源产品
Dmind
DMind-1 和 DMind-1-mini 是针对 Web3 任务的领域专用大型语言模型，提供比其他通用模型更高的领域准确性、指令跟随能力及专业理解。
AI模型#人工智能
Typiq
Typiq是一款通过AI生成完美字体搭配和响应式排版的工具。
AI设计工具#排版
Landscapingai.site
LandscapingAI是一款基于AI技术的景观设计可视化平台，用户可以上传房产照片，快速看到改造后的效果。
AI设计工具#AI
Perfectheadshots
Perfect AI Headshots是一个通过上传自拍照片即可在几分钟内获得40多张专业AI头像照片的网站。
AI设计工具#AI
Face Shape Detector
AI面部形状检测器是一个利用人工智能技术快速准确检测面部形状的工具，帮助用户选择适合自己的美容和风格决策。
AI设计工具#人工智能
Octocomics
AnimeShorts是一款AI动漫创作工具，可以将漫画转换为动态短片，并优化剧本。
AI设计工具#AI
Style Art AI
Style Art AI是一款结合了最新的ChatGPT 4o模型和各种艺术风格的工具，可以通过简单描述或上传图片，在任何风格下创建令人惊叹的艺术作品。
AI设计工具#艺术风格生成器
Imgedify
ImgEdify是一家专业的AI图像编辑平台，提供一体化的图像创作与编辑套件，包括风格转换、虚拟试衣、文字转图像等功能。
AI设计工具#图像编辑
Outfitai
OutfitAI是一款AI服装搭配生成器，利用虚拟试衣技术帮助用户快速浏览各种时尚服装，适用于时尚购物。
AI设计工具#时尚购物
替代品
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理
Legogpt
LegoGPT 是第一个通过文本提示生成物理稳定的乐高模型的方法。
AI设计工具#设计
Zerosearch
ZeroSearch 是一种新颖的强化学习框架，旨在激励大型语言模型（LLMs）的搜索能力，而无需与实际搜索引擎进行交互。
AI模型#搜索能力
Notellm
NoteLLM 是一款专注于用户生成内容的可检索大型语言模型，旨在提升推荐系统的性能。
AI模型#多模态处理
魔法AI绘画
优质新品
魔法 AI 绘画是一款利用最新的人工智能技术，支持多种生成模式的图像生成工具。
AI设计工具#绘画
Deepseek Prover V2 671B
DeepSeek-Prover-V2-671B 是一个先进的人工智能模型，旨在提供强大的推理能力。
AI模型#开源
Xiaomi MiMo
优质新品
Xiaomi MiMo是小米公司开源的首个推理大模型，专为推理任务设计，具备卓越的数学推理和代码生成能力。
AI模型
Pad.ws
pad.ws 是一个白板应用程序，它将绘图和编码环境结合在一起。
AI设计工具#白板
AI Playground
AI Playground 是一个开源项目，旨在为用户提供 AI 图像创建、图像风格化和聊天机器人的功能。
AI设计工具#图像生成
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k