最新AI教程资讯
AniTalker – 上海交大开源的对口型说话视频生成框架
AniTalker是由来自上海交大X-LANCE实验室和思必驰AISpeech的研究人员推出的AI对口型说话视频生成框架，能够将单张静态人像和输入的音频转换成栩栩如生的动画对话视频。
2025-02-25 17:52:34
混元DiT – 腾讯混元开源的文生图扩散模型Hunyuan-DiT
混元DiT（Hunyuan-DiT）是由腾讯混元团队开发的一款高性能的文本到图像的扩散Transformer模型，具备细粒度的中英文理解能力，能够根据文本提示生成多分辨率的高质量图像。
2025-02-25 17:26:20
Veo – 谷歌推出的可生成1分钟1080P的视频模型
Veo是由Google DeepMind开发的一款视频生成模型，用户可以通过文本、图像或视频提示来指导其生成所需的视频内容，能够生成时长超过一分钟1080P分辨率的高质量视频。
2025-02-25 17:04:58
CogVLM2 – 智谱AI推出的新一代多模态大模型
CogVLM2是由智谱AI推出的新一代多模态大模型，在视觉和语言理解方面实现了显著的性能提升，支持高达8K的文本长度和1344*1344分辨率的图像输入，具备强大的文档图像理解能力。
2025-02-25 16:39:43
Codestral – Mistral AI推出的代码生成模型，支持80+编程语言
Codestral是法国人工智能初创公司Mistral AI推出的一款代码生成AI模型，专为提高软件开发效率而设计，支持超过80种编程语言，包括但不限于Python、Java、C、C++等主流语言，以及Swift、Fortran等特定领域语言。
2025-02-25 15:51:26
ChatTTS – 开源的用于对话的生成式语音合成模型
ChatTTS是一款专为对话场景设计的支持中英文的文本转语音（TTS）模型，基于约10万小时的中英文数据进行训练，能够生成高质量、自然流畅的对话语音。
2025-02-25 15:26:35
Seed-TTS – 字节跳动推出的高质量文本到语音生成模型
Seed-TTS是由字节跳动开发的一系列高级文本到语音（Text to Speech，TTS）模型，能够生成与人类语音极为相似的高质量语音，具备出色的上下文学习能力和自然度。
2025-02-25 15:00:15
Qwen2 – 阿里云开源的新一代通义千问大模型
Qwen2是由阿里云通义千问团队开源的新一代大语言模型，该系列涵盖了从0 5B到72B不等的五个规模模型，在中文和英文基础上增加了27种语言的高质量数据，大幅提升了模型的自然语言理解、代码编写、数学解题和多语言处理能力。
2025-02-25 14:35:25
Follow-Your-Emoji – 腾讯等推出的基于扩散模型的人像动画框架
Follow-Your-Emoji是由香港科技大学、腾讯混元和清华大学的研究人员推出的一个基于扩散模型的人像动画框架，利用扩散模型为参考肖像添加目标表情序列，实现动态动画效果。
2025-02-25 14:06:48
ToonCrafter – 腾讯等开源的卡通动画视频插帧工具
ToonCrafter是由腾讯AI实验室、香港中文大学和香港城市大学的研究人员开源的卡通动画视频插值工具，突破了传统卡通动画制作中线性运动的假设限制，采用创新的生成式插值技术，仅需两张关键帧图片，即可自动生成中间动态帧。
2025-02-25 13:41:52
Stability AI开源Stable Diffusion 3 Medium文生图模型
人工智能初创公司Stability AI宣布正式开源发布其最新的文本到图像生成模型——Stable Diffusion 3 Medium（SD3 Medium）。Stable Diffusion 3 Medium 包含 20 亿个参数，是 Stability AI 迄今为止最先进的文本到图像开放模型，更小的 VRAM 占用空间旨在使其更适合在消费级 GPU 以及企业级 GPU 上运行。
2025-02-25 13:17:20
MimicBrush – 阿里等开源的AI图像编辑融合框架
MimicBrush是由阿里巴巴、香港大学和蚂蚁集团的研究人员推出的AI图像编辑融合框架，允许用户通过简单的操作，在源图像上指定需要编辑的区域，并提供一个包含期望效果的参考图像进行图片编辑。
2025-02-25 12:48:17
Hallo – 复旦百度等开源的AI对口型肖像视频生成框架
Hallo是由复旦大学、百度公司、苏黎世联邦理工学院和南京大学的研究人员共同提出的一个AI对口型肖像图像动画技术，可基于语音音频输入来驱动生成逼真且动态的肖像图像视频。
2025-02-25 12:25:50
Unique3D – 清华大学团队开源的图像到3D生成模型
Unique3D是由清华大学团队开源的一个单张图像到3D模型转换的框架，通过结合多视图扩散模型和法线扩散模型，以及一种高效的多级上采样策略，能够从单张图片中快速生成具有高保真度和丰富纹理的3D网格。
2025-02-25 11:57:57
琴乐大模型 – 腾讯推出的AI音乐创作大模型
琴乐大模型是由腾讯AI Lab与腾讯TME天琴实验室共同研发的人工智能音乐创作大模型，该模型通过输入中英文关键词、描述性语句或音频，能够直接生成立体声音频或多轨乐谱。
2025-02-25 11:31:55
Diffutoon – 阿里推出的AI将视频转卡通风格的框架
Diffutoon是由阿里巴巴和华东师大的研究人员推出的一个将视频转换为卡通动漫风格的AI框架，基于扩散模型的可编辑卡通着色技术，能够将真实感视频转换成动漫风格。
2025-02-25 11:07:23
ExVideo – 阿里和华东师大推出的AI视频长度扩展调优技术
ExVideo是由阿里巴巴和华东师大的研究人员推出的一种视频合成模型的后调优技术，能够扩展现有视频合成模型的时间尺度，以生成更长的视频。该团队基于Stable Video Diffusion模型，训练了一个能够生成长达128帧连贯视频的扩展模型，同时保留了原始模型的生成能力。
2025-02-25 10:47:18
Toucan TTS – 免费开源的文本转语音工具，支持超7000种语言
Toucan TTS是由德国斯图加特大学自然语言处理研究所（IMS）开发的文本到语音合成工具箱，支持超过7000种语言，包括多种方言和变体，提供多说话人语音合成、语音风格克隆和人机交互编辑功能。
2025-02-25 10:18:29
MOFA-Video – 腾讯开源的可控性AI图生视频模型
MOFA-Video是由腾讯AI实验室和东京大学的研究人员开源的一个可控性的图像生成视频的模型，该技术利用生成运动场适应器对图像进行动画处理以生成视频。
2025-02-25 09:58:22
CriticGPT – OpenAI推出的识别GPT输出代码错误的模型
CriticGPT是OpenAI发布的一个新型人工智能模型，基于GPT-4构建，专门用于审查和识别大型语言模型（如ChatGPT）生成的代码中的错误。CriticGPT通过人类反馈强化学习（RLHF）技术，提高了代码审查的准确性和效率。
2025-02-25 09:37:10
人气排行
24小时排行
