最新AI教程资讯
Llama3.1 – Meta最新发布的最强开源AI模型
Llama 3 1是Meta最新发布的开源AI模型，包括8B、70B和405B三个版本，其中405B版本以其4050亿参数量成为目前最大的开源模型之一。Llama 3 1支持128K的上下文长度，能够处理长文本并具备多语言翻译能力。在多个AI基准测试中表现卓越，尤其在数学、推理和长文本处理方面，与市场上顶尖的闭源模型如GPT-4o和Claude 3 5 Sonnet相媲美。
2025-02-25 09:16:20
Gemma 2 – 谷歌DeepMind推出的新一代开源人工智能模型
Gemma 2是谷歌DeepMind推出的新一代开源人工智能模型，包含90亿和270亿参数版本。该模型以卓越的性能、高效的推理速度和广泛的硬件兼容性为特点，能够与参数量更大的模型相媲美。
2025-02-24 18:04:32
FreeAskInternet – 免费开源的本地AI搜索引擎
FreeAskInternet是一个免费开源的本地AI搜索引擎，整合了GPT-3 5等先进的大型语言模型（LLM）和SearXNG元搜索引擎，为用户提供搜索和智能答案生成服务。
2025-02-24 17:10:10
Fish Speech – 开源的高效文本到语音合成TTS工具
Fish Speech是一款由Fish Audio开发的开源的文本到语音（TTS）工具，支持中文、英文和日文。通过约15万小时的多语种数据训练，实现了接近人类水平的语音合成效果，目前已更新到1 2版本。
2025-02-24 16:47:39
Moshi – 法国AI实验室Kyutai开发的实时音频多模态模型
Moshi是由法国的的人工智能研究实验室Kyutai推出的一款端到端实时音频多模态AI模型，拥有听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。作为对标GPT-4o的开源模型，Moshi在普通笔记本上即可运行，具有低延迟特性，支持本地设备使用，保护用户隐私。
2025-02-24 16:25:44
EchoMimic – 阿里推出的开源数字人项目，赋予静态图像以生动语音和表情
EchoMimic是阿里蚂蚁集团推出的AI数字人开源项目，赋予静态图像以生动语音和表情。通过深度学习模型结合音频和面部标志点，创造出高度逼真的动态肖像视频。不仅支持单独使用音频或面部特征生成视频，还能将两者结合，实现更自然、流畅的对口型效果。
2025-02-24 15:56:31
MimicMotion – 腾讯推出的AI人像动态视频生成框架
MimicMotion是腾讯的研究人员推出的一个高质量的人类动作视频生成框架，利用置信度感知的姿态引导技术，确保视频帧的高质量和时间上的平滑过渡。此外，MimicMotion通过区域损失放大和手部区域增强，显著减少了图像失真，提升了人像手部动作的细节表现。
2025-02-24 15:28:03
FunAudioLLM – 阿里巴巴通义团队推出的开源语音大模型
FunAudioLLM是阿里巴巴通义实验室推出的开源语音大模型项目，包含SenseVoice和CosyVoice两个模型。SenseVoice擅长多语言语音识别和情感辨识，支持超过50种语言，特别在中文和粤语上表现优异。CosyVoice则专注于自然语音生成，能够控制音色和情感，支持中英日粤韩五种语言。
2025-02-24 14:58:06
Chameleon – Meta推出的图文混合多模态开源模型
Chameleon 是 Meta（Facebook 的母公司）的人工智能研究团队 FAIR（Facebook AI Research）发布的一个能理解和生成任意序列的图像和文本的混合多模态模型。拥有 34B 参数，能生成文本和图像内容。
2025-02-24 14:28:53
Mem0 – 一款开源的大语言模型记忆增强工具
Mem0 是一款开源的大语言模型记忆增强工具，能够让 AI 拥有长期、适应性强的记忆。通过自适应记忆系统，AI能实现跨应用记住用户的偏好和交互，提供连贯且不断进化的响应。
2025-02-24 14:02:34
STORM AI – 斯坦福大学推出的开源AI写作工具
STORM AI 是斯坦福大学推出的开源AI写作工具，可在几秒钟内将一个主题转换为长篇文章 研究论文，完全免费，是 Perplexity Pages 的一种 替代品 。STORM AI 利用大语言模型（LLM）进行多角度提问和模拟专家对话，以生成深入且准确的内容。
2025-02-24 13:33:05
DCLM-7B – 苹果公司与合作团队推出的开源小模型
DCLM-7B是由苹果公司联合研究团队推出的70亿参数开源小模型，性能超越Mistral-7B，接近Llama 3和Gemma。最近，苹果公司作为 DataComp-LM（DCLM）项目的研究机构之一，在 Hugging Face 上发布了 DCLM-7B 开源模型。
2025-02-24 13:06:19
LivePortrait – 快手推出的开源人像动画生成框架
LivePortrait是快手推出的开源人像动画生成框架，专注于高效、可控地将驱动视频的表情和姿态迁移至静态或动态人像，创造出富有表现力的视频。该技术通过隐式关键点框架实现，利用大规模高质量训练数据和混合训练策略，提升了模型的泛化能力和动作控制精度。
2025-02-24 12:45:53
GPT-4o Long Output模型 – OpenAI最新推出的超长输出模型
GPT-4o Long Output模型是OpenAI最新推出的超长输出AI模型，支持高达64k tokens的长文本输出，相当于约200页小说。相较于原GPT-4o模型，输出能力提升16倍，但输入上限降至64k tokens，满足用户对更长文本处理的需求。
2025-02-24 11:51:06
MindSearch – 上海人工智能实验室推出的AI搜索框架
MindSearch是上海人工智能实验室联合研发团队推出的开源AI搜索框架，结合了大规模信息搜集和整理能力。利用InternLM2 5 7B对话模型，MindSearch能在3分钟内从300多个网页中搜集有效信息，完成通常需要人类3小时的任务。
2025-02-24 11:22:55
Diffree – OpenGVLab推出的AI贴图框架
Diffree是由OpenGVLab推出的AI贴图框架，能根据用户的文字描述，在图片中自动找到合适的位置添加新对象。通过智能掩码预测，无需手动绘制，即可确定新对象的形状和位置。
2025-02-24 10:55:58
FLUX.1 – Stable Diffusion创始团队推出的开源AI图像生成模型
FLUX 1是由Stable Diffusion创始团队推出的开源AI图像生成模型，拥有12B参数，是迄今为止最大的文生图模型。包含三种变体：顶级性能的FLUX 1 [pro]、开源非商业用途的FLUX 1 [dev] 和 快速高效的FLUX 1 [schnell]。
2025-02-24 10:27:37
Stable Fast 3D – Stability AI推出的AI新模型，0.5秒将图片转为3D
Stable Fast 3D（SF3D）是Stability AI推出的一种创新3D网格重建技术，能在0 5秒内从单张图片生成高质量的3D模型。Stable Fast 3D采用先进的Transformer网络，结合快速UV展开和材质属性预测，有效减少了光照效果对模型的影响，并提高了细节捕捉能力。
2025-02-24 10:06:11
Tora – 阿里推出的AI视频生成框架
Tora是阿里推出的AI视频生成框架，基于轨迹导向的扩散变换器（DiT）技术，将文本、视觉和轨迹条件融合，生成高质量且符合物理世界动态的视频内容。Tora由轨迹提取器、时空DiT和运动引导融合器组成，能够精确控制视频的动态表现，支持长达204帧、720p分辨率的视频制作。
2025-02-24 09:40:55
Whisper-Medusa – aiOla推出的开源AI语音识别模型
Whisper-Medusa是aiOla推出的开源AI语音识别模型，结合了OpenAI的Whisper技术与aiOla的创新，Whisper-Medusa引入了多头注意力机制，实现了并行处理，显著提升了推理速度，平均提速达到50%。模型专为英语优化，支持超过100种语言，适用于翻译、金融、旅游等多个行业。
2025-02-24 09:14:08
人气排行
24小时排行
