最新AI教程资讯
Qwen2-Audio – 阿里通义千问团队推出的开源AI语音模型
Qwen2-Audio是阿里通义千问团队最新推出的开源AI语音模型，支持直接语音输入和多语言文本输出。具备语音聊天、音频分析功能，支持超过8种语言。Qwen2-Audio在多个基准数据集上表现优异，现已集成至Hugging Face的transformers库，方便开发者使用。
2025-02-21 09:32:19
Imagen 3 – Google推出的AI图像生成模型
Imagen 3是Google推出的AI图像生成模型，可以生成高质量、逼真的图像。Imagen 3对提示词理解更好，可捕捉更多细节，生成更广泛的视觉风格。基于谷歌的文生图模型Imagen 3的产品ImageFX，现已开放使用。
2025-02-21 09:12:02
EAFormer – 复旦推出的AI文本分割框架
EAFormer是复旦推出的AI文本分割框架。擅长在照片中找到文字，并且能很精确地把文字从背景中分离出来。即使文字的边缘很模糊或者背景很复杂，EAFormer也能做得很好。对于想要从图片中去除文字或者编辑文字的人来说非常有用。EAFormer是一个能让我们轻松处理图片中文字的智能助手。
2025-02-20 17:45:02
WiseFlow – 开源的AI信息挖掘工具
WiseFlow是开源的AI信息挖掘工具，能从网站、微信公众号、社交平台等多源信息中智能提取并分类数据。结合了统计学习和大型语言模型（LLM），支持多种新闻页面，优化了微信公众号文章的解析。WiseFlow轻量化设计，无需GPU即可运行，适用于任何硬件环境，是信息过载时代的理想助手。
2025-02-20 17:23:15
Agents – AIWaves公司推出的AI Agent开发工具
Agents是AIWaves公司推出的AI Agent开发工具，支持用户对AI模型进行详细调整和优化，构建更加智能和个性化的AI Agent。通过Agents平台，用户可以自定义AI模型的行为和响应，实现高级的自动化任务和交互体验。
2025-02-20 16:57:23
MiniCPM-V – 面壁智能推出的开源多模态大模型
MiniCPM-V是面壁智能推出的开源多模态大模型，拥有80亿参数，擅长图像和视频理解。MiniCPM-V在单图像理解上超越了GPT-4V等模型，并首次支持在iPad等设备上实时视频理解。模型以高效推理和低内存占用著称，具备强大的OCR能力和多语言支持。
2025-02-20 16:36:07
VideoDoodles – Adobe推出的AI视频编辑框架
VideoDoodles是Adobe公司联合多所大学推出的AI视频编辑框架。支持用户在视频中轻松插入手绘动画，实现与视频内容的无缝融合。通过预处理视频帧，系统提供平面画布，用户可以视频上绘制动画，系统自动处理透视和遮挡效果。
2025-02-20 16:07:09
CharacterFactory – 大连理工推出的AI角色创作工具
CharacterFactory是大连理工大学IIAU团队推出的AI角色创作工具，通过扩散模型在无需参考图片的情况下，仅需2 5GB显存和10分钟训练，即可快速生成具有一致性特征的新角色图像。
2025-02-20 15:38:37
UniBench – Meta推出的视觉语言模型(VLM)评估框架
UniBench是Meta FAIR机构推出的视觉语言模型(VLM)评估框架，对视觉语言模型(VLM)进行全面评估。UniBench包含50多个基准测试，涵盖物体识别、空间理解、推理等多维度能力。
2025-02-20 15:16:39
Retinex-Diffusion – AI图像照明控制框架，让图像明暗更自然、细腻
Retinex-Diffusion是基于Retinex理论的AI图像照明控制技术，让图像明暗更加自然、细腻、富有层次感。Retinex-Diffusion不需要重新训练模型，通过识别图像中的光照元素并指导图像生成模型，用户可以轻松调整亮度、阴影和光照方向。
2025-02-20 14:46:40
EXAONE 3.0 – LG 推出的开源 AI 模型，专为英语和韩语设计
EXAONE 3 0是LG AI Research推出的开源AI模型，具有7 8亿参数，专为英语和韩语设计。EXAONE 3 0在英语和韩语的语言测试中均表现优异，在真实用例和数学编码方面排名第一。
2025-02-20 14:21:40
DressCode – 上海科技大学推出的3D服装生成框架
DressCode是上海科技大学、宾夕法尼亚大学和Deemos科技联合推出的3D服装生成框架。支持用户通过文本描述来自动生成各种风格和材质的3D服装模型。
2025-02-20 13:51:45
ReSyncer – 清华联合百度推出的AI视频编辑工具
ReSyncer是清华大学和百度联合推出的AI视频编辑工具，通过音频驱动生成与声音同步的高质量嘴唇动作视频。ReSyncer用Style-SyncFormer分析声音并创建3D面部模型，结合目标视频生成同步且表情丰富的虚拟人物。
2025-02-20 13:24:01
MotionClone – 文本驱动的AI视频动作克隆框架
MotionClone是文本驱动的AI视频动作克隆框架，通过时间注意力机制从参考视频中克隆动作，结合文本提示词生成新视频。能处理复杂的全局相机运动和精细的局部肢体动作，实现高度逼真和控制性强的视频内容创作。
2025-02-20 12:58:43
Mini-Monkey – 华科联合华南理工推出的多模态AI模型
Mini-Monkey是华中科技大学和华南理工大学联合推出的轻量级多模态AI模型。采用多尺度自适应切分策略（MSAC）和尺度压缩机制（SCM），有效解决了传统图像切分带来的锯齿效应，提升了在高分辨率图像和文档理解任务中的表现。
2025-02-20 12:29:52
MDT-A2G – 复旦&腾讯优图推出的AI模型，可根据语音同步生成手势
MDT-A2G是复旦大学和腾讯优图联合推出的AI模型，专门用于根据语音内容同步生成相应的手势动作。MDT-A2G模仿人类在交流时自然产生的手势，计算机能更加生动和自然地进行"表演"。
2025-02-20 12:09:39
ASAM – vivo公司推出的AI图像分割模型
ASAM（Adversarial Adjustment of Segment Anything Model）是vivo公司推出的AI图像分割模型，通过对抗性调整来增强原有SAM模型的性能。ASAM用自然对抗性示例，通过稳定的扩散模型增强数据集，生成能代表自然变化的对抗性实例。
2025-02-20 11:43:39
Falcon Mamba 7B – 首个通用Mamba开源AI大模型
Falcon Mamba 7B是阿联酋技术创新研究所（TII）推出的开源AI大模型，性能超越了Meta的Llama 3 1-8B等模型。Falcon Mamba 7B采用编码器-解码器结构和多头注意力技术，优化了长序列处理能力。
2025-02-20 11:23:01
Clapper – 免费开源的可视化AI视频编辑工具
Clapper 是一款免费开源的可视化AI视频编辑工具，由 HuggingFace 的AI前端工程师 Julian Bilcke 开发。集成多种生成式 AI 技术，用户通过交互式、迭代和直观的过程使用 AI 创建视频，无需专业的电影制作或 AI 工程技能。
2025-02-20 10:57:22
UniTalker – 商汤推出的音频驱动3D面部动画生成模型
UniTalker是推出的音频驱动3D面部动画生成模型，能根据输入的音频生成逼真的面部动作。采用统一的多头架构模型，用带有不同标注的数据集，支持多语言和多种音频类型的处理，包括语音和歌曲。
2025-02-20 10:28:03
人气排行
24小时排行
