最新AI教程资讯
Grok-2 – xAI公司推出的新一代AI模型
Grok-2是xAI公司推出的新一代AI模型，提供卓越的聊天、编程和推理能力。在学术基准测试中，Grok-2在GPQA、MMLU、MMLU-Pro和MATH等领域的表现超越了前代Grok-1 5，与行业前沿模型相媲美。
2025-02-20 10:04:20
MagicPose – AI视频生成模型，能生成逼真的人体动作和面部表情
MagicPose是南加州大学和字节跳动联合研发的AI视频生成模型，无需任何微调，直接生成逼真的人类动作和面部表情视频。MagicPose通过一个新颖的两阶段训练策略，分离人体动作和外观特征，实现了在不同身份间进行动作和表情的精确转移。
2025-02-20 09:36:50
Agent Q – MultiOn公司推出的AI智能体，可以自我学习进化
Agent Q是MultiOn公司联合斯坦福大学推出的自监督代理推理和搜索框架。Agent Q融合了引导式蒙特卡洛树搜索（MCTS）、AI自我批评和直接偏好优化（DPO）等技术，使AI模型能通过迭代微调和基于人类反馈的强化学习进行自我改进。
2025-02-20 09:08:57
UniPortrait – 阿里推出的AI人像图像个性化编辑工具
UniPortrait是阿里巴巴推出的AI图像个性化编辑工具，能将照片转换为动漫风格，支持多人合照和换脸技术。UniPortrait通过先进的"ID嵌入"和"ID路由"技术，在多人合照中也能准确识别和修改每个人的面部特征，避免混淆。
2025-02-19 17:34:34
LabelU – 开源的多模态数据标注工具
LabelU 是一款开源的多模态数据标注工具，支持图像、视频和音频的标注，具备拉框、多边形、标点、标线、分类、描述等图像标注能力，能满足目标检测、图像分类、实例分割等计算机视觉任务场景的需求。
2025-02-19 17:11:34
Buzz – 免费开源的AI语音转文字工具
Buzz是一款基于OpenAI Whisper模型构建的离线语音转文字工具，适用于Windows、macOS和Linux系统。Buzz能将麦克风输入或音频、视频文件实时转换为文字，支持多种格式导入导出，如TXT、SRT和VTT。
2025-02-19 16:48:46
HoloDreamer – AI文本驱动3D场景生成框架
HoloDreamer是北京大学联合鹏城实验室推出的AI文本驱动3D场景生成框架。通过两个核心模块：风格化全景图生成和增强两阶段全景图重建，从文本描述中快速生成沉浸式、视角一致的全封闭3D场景。
2025-02-19 16:22:52
HumanVid – 专为人类图像动画生成而设计的高质量数据集
HumanVid是香港中文大学和上海人工智能实验室共同推出的高质量数据集，专为人类图像动画训练设计。结合了现实世界视频和合成数据，通过精心设计的规则筛选高质量视频，并使用2D姿势估计和SLAM技术进行注释。
2025-02-19 15:57:52
ORMBG – 开源的AI图像分割工具
ORMBG是开源的AI图像分割工具，由开发者schirrmacher在GitHub上发起。ORMBG专注于从图片中准确去除背景，用先进的图像处理技术，实现对图像中前景和背景的精确区分，常用于照片编辑、图像合成和自动化图像处理等领域。
2025-02-19 15:37:52
Cradle – 通用计算机控制的多模态AI Agent框架
Cradle是面向通用计算机控制（General Computer Control, GCC）的多模态AI Agent框架，由昆仑万维携手北京智源人工智能研究院、新加坡南洋理工大学、北京大学等顶尖名校机构推出的通用计算机控制框架，使AI Agent无需训练便能像人一样直接控制键盘鼠标，不依赖任何内部API，实现任意开闭源软件交互。
2025-02-19 15:16:19
Linly-Dubbing – 开源AI视频工具，支持配音、翻译、对口型
Linly-Dubbing是一个开源的智能视频多语言AI配音和翻译工具，能自动将视频内容翻译成多种语言，并生成字幕。通过WhisperX和FunASR进行精准语音识别，基于Edge TTS、XTTS 和 CosyVoice 等技术进行高质量语音合成。
2025-02-19 14:51:52
VITA – 腾讯推出的开源多模态AI模型
VITA是腾讯优图实验室推出的全球首个开源多模态大语言模型（MLLM），能理解和处理视频、图像、文本和音频。基于Mixtral 8×7B模型，扩展了中文词汇量，进行了双语指令微调，支持自然人机交互，无需唤醒词即可响应。
2025-02-19 14:29:27
AI Scientist – Sakana AI推出的全自动科学发现AI系统
AI Scientist是Sakana AI推出的首个全自动科学发现AI系统。能独立完成从创意生成、编码、实验执行到撰写科学论文的整个研究流程。
2025-02-19 14:04:42
ControlNeXt – AI图像和视频可控生成框架
ControlNeXt是一种新型的AI图像和视频可控生成框架，由香港中文大学和商汤科技联合开发。采用轻量化控制模块和创新的交叉归一化技术，大幅降低计算资源和训练难度，同时保持生成内容的高质量和多样性。
2025-02-19 13:40:34
FancyVideo – 360推出的AI文生视频模型
FancyVideo是360联合中山大学推出的AI文生视频模型。基于创新的跨帧文本引导模块（Cross-frame Textual Guidance Module, CTGM），能根据文本提示生成动态丰富且时间上连贯的视频内容。FancyVideo突破极大地提升了文本到视频（Text-to-Video, T2V）生成任务的质量和自然度。
2025-02-19 13:20:34
MovieDreamer – 专为长视频研发的AI视频生成框架
MovieDreamer是浙江大学联合阿里巴巴专为长视频研发的AI视频生成框架。结合自回归模型和扩散渲染技术，能生成具有复杂情节和高视觉质量的长视频。
2025-02-19 12:54:20
Glyph-ByT5 – 多语言视觉文本渲染项目
Glyph-ByT5-v2由微软亚洲研究院、清华大学、北京大学和利物浦大学联合开发的多语言视觉文本渲染项目。Glyph-ByT5-v2支持10种不同语言的准确视觉文本渲染，审美质量上取得了显著提升。
2025-02-19 12:30:50
Llama-3.1-Minitron – 英伟达联合Meta推出的Llama 3.1 4B参数模型
Llama-3 1-Minitron是由英伟达和Meta合作开发的AI模型，通过剪枝和知识蒸馏技术从Llama 3 1 8B模型精炼而成的更小型4B参数模型。这种优化减少了模型大小和复杂性，同时保持了核心性能。
2025-02-19 12:07:09
CrewAI – 构建多个 AI Agents 高效协作的开源平台
CrewAI是专注于构建多个 AI Agents 高效协作的开源平台，通过简化 AI Agents 框架的使用，企业能快速构建和部署智能自动化解决方案。CrewAI平台的核心优势在于其生产就绪的API集成能力，支持用户将多智能体团队轻松转换为API，实现与其他系统的无缝连接。
2025-02-19 11:46:19
HybridRAG – 黑石联合英伟达推出的混合检索增强生成架构
HybridRAG 是黑石联合英伟达推出的混合检索增强生成架构，结合了检索增强生成（Retrieval-Augmented Generation）模型的机器学习架构。模型通过检索系统寻找与输入相关的信息，然后将这些信息与输入一起输入到生成模型中，生成更准确和丰富的输出。
2025-02-19 11:24:19
人气排行
24小时排行
