最新AI教程资讯
Voice Engine – OpenAI公布的AI语音合成和声音克隆模型
Voice Engine是OpenAI最新推出的一项AI语音合成和声音克隆技术，能够利用简短的15秒音频样本和文本输入，生成接近原声的自然听起来的语音。该项技术自2022年底开发以来，已经被应用于OpenAI的文本到语音API和ChatGPT的语音功能中。
2025-02-26 17:36:16
SWE-agent – 普林斯顿开源的AI程序员智能体
SWE-agent是一个由普林斯顿大学NLP组研究人员开发的开源AI程序员和软件工程师系统，利用大型语言模型（如GPT-4）的能力，可以自动解决GitHub存储库中的问题。SWE-agent通过智能体-计算机接口（ACI）与代码库交互，能够执行代码的浏览、编辑、测试和执行等任务。
2025-02-26 17:15:39
DreaMoving – 阿里开源的基于扩散模型的人类视频生成框架
DreaMoving是一个基于扩散模型的人类视频生成框架，由阿里巴巴集团的研究团队开发。DreaMoving通过视频控制网络和内容引导器实现对人物动作和外观的精确控制，使得用户可以通过简单的文本描述或图像提示来生成个性化的视频内容。
2025-02-26 16:55:37
AniPortrait – 腾讯开源的照片对口型视频生成框架
AniPortrait是腾讯开源的照片对口型AI视频生成框架，类似于此前阿里推出的EMO，能够通过音频和一张参考肖像图片生成高质量的动画。
2025-02-26 16:35:28
InstantStyle – 开源的个性化文本到图像生成框架，保留风格一致性
InstantStyle是小红书的InstantX团队开源的保留风格一致性的个性化文本到图像生成框架，旨在解决文本到图像生成中的一个关键问题：如何在保持风格一致性的同时生成图像。
2025-02-26 16:13:40
DesignEdit – 微软等开源的AI图像分层处理编辑框架
DesignEdit是由微软亚洲研究院和北京大学的研究团队共同开发的一个AI图像编辑框架，引入了设计领域的图层概念，采用多层潜在分解和融合的技术，实现了无需额外训练即可进行精确的空间感知图像编辑和处理。
2025-02-26 15:47:31
CodeGemma – 谷歌开源推出的代码生成大模型
CodeGemma是由Google发布的专注于代码生成和理解的大型语言模型，该系列包含三种不同规模的模型，分别是2B预训练模型、7B预训练模型和7B指令微调模型，旨在提供智能代码补全、生成和自然语言理解等功能。
2025-02-26 15:20:59
Parler-TTS – Hugging Face开源的文本转语音模型
Parler-TTS是由Hugging Face推出的一款开源的文本到语音（TTS）模型，能够通过输入提示描述模仿特定说话者的风格（性别、音调、说话风格等），生成高质量、听起来自然的语音。
2025-02-26 14:58:06
VASA-1 – 微软推出的静态照片对口型视频生成框架
VASA-1是由微软亚洲研究院提出的一个将静态照片转换为对口型动态视频的生成框架，能够根据单张静态人脸照片和一段语音音频，实时生成逼真的3D说话面部动画。
2025-02-26 14:34:29
Llama 3 – Meta开源推出的新一代大语言模型
Llama 3是Meta公司最新开源推出的新一代大型语言模型（LLM），包含8B和70B两种参数规模的模型，标志着开源人工智能领域的又一重大进步。作为Llama系列的第三代产品，Llama 3不仅继承了前代模型的强大功能，还通过一系列创新和改进，提供了更高效、更可靠的AI解决方案。
2025-02-26 14:05:52
FunClip – 阿里达摩院开源的AI自动视频剪辑工具
FunClip是阿里达摩院推出的一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室的FunASR Paraformer系列模型实现视频的自动化语音识别。用户可以根据识别结果，选择文本片段或特定说话人，快速裁剪出所需视频片段。
2025-02-26 13:39:49
Phi-3 – 微软最新推出的新一代小模型系列
Phi-3是微软研究院推出的新一代系列先进的小语言模型，包括phi-3-mini、phi-3-small和phi-3-medium三个不同规模的版本。这些模型在保持较小的参数规模的同时，通过精心设计的训练数据集和优化的算法，实现了与大型模型相媲美的语言理解和推理能力。
2025-02-26 13:17:13
Hyper-SD – 字节跳动推出的高效的图像合成框架
Hyper-SD是由字节跳动的研究人员推出的一种高效的图像生成框架，通过轨迹分割一致性蒸馏（TSCD）技术，结合人类反馈学习和分数蒸馏，显著提升了扩散模型在少步骤推理下的图像合成性能。
2025-02-26 12:51:58
Arctic – Snowflake开源的企业级AI大模型
Arctic是由云计算巨头Snowflake的AI研究团队开发的一款高效、开源的企业级大型语言模型，该大模型是一个拥有480亿（480B）的参数规模，由128个细粒度的专家构成的混合专家模型（MoE）模型。
2025-02-26 12:31:35
OpenELM – 苹果开源的高效语言模型系列
OpenELM是Apple苹果公司最新推出的系列高效开源的语言模型，包括OpenELM-270M、OpenELM-450M、OpenELM-1_1B和OpenELM-3B不同参数规模的版本。该大模型利用层间缩放策略在Transformer模型的每一层中进行参数的非均匀分配，以此提高模型的准确度和效率。
2025-02-26 12:07:23
ID-Animator – 腾讯等推出的个性化人物视频生成框架
ID-Animator是由来自腾讯光子工作室、中科大和中科院合肥物质科学研究院的研究人员推出的一种零样本（zero-shot）人类视频生成技术，能够根据单张参考面部图像生成个性化视频，同时保留图像中的人物身份特征，并能够根据文本提示调整视频内容。
2025-02-26 11:43:53
IDM-VTON – 逼真的开源AI虚拟试穿框架
IDM-VTON是由韩国科学技术院和OMNIOUS AI的研究人员提出的一种先进的AI虚拟试穿技术，通过改进扩散模型来生成逼真的人物穿戴图像，实现更真实的虚拟试穿效果。
2025-02-26 11:16:29
VideoGigaGAN – Adobe推出的AI视频分辨率提升模型
VideoGigaGAN是由Adobe和马里兰大学的研究人员提出的一种新型的生成式视频超分辨率（VSR）模型，最高可将视频分辨率提升8倍，将模糊的视频放大为具有丰富细节和时间连贯性的高清视频。
2025-02-26 10:54:01
PuLID – 字节跳动开源的个性化文本到图像生成框架
PuLID是字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，实现了无需调整模型的高效ID定制，轻松实现图像换脸效果。
2025-02-26 10:06:20
IC-Light – ControlNet作者开源的AI图片打光工具
IC-Light是一款由ControlNet作者张吕敏开发的AI图像打光处理工具，可以对图片进行光源操纵和光影重构，实现与不同背景的完美融合。用户只需上传图片，选择光源方向并输入提示词，IC-Light便能自动抠图并生成融合了新光源和背景的新图片。
2025-02-26 09:41:56
人气排行
24小时排行
