最新AI教程资讯
PC Agent-E – 上海交大联合SII推出的智能体训练框架
PC Agent-E是上海交通大学和SII联合推出的高效智能体训练框架。框架用312条人类标注的计算机使用轨迹，基于Claude 3 7 Sonnet模型合成多样化的行动决策，显著提升数据质量。
2025-07-21 09:30:26
CAR – 字节联合复旦推出的自适应推理框架
CAR（Certainty-based Adaptive Reasoning）是字节跳动联合复旦大学推出的自适应推理框架，能提升大型语言模型（LLM）和多模态大型语言模型（MLLM）在不同任务中的推理效率与准确性。框架基于动态地在短答案和长形式推理之间切换，根据模型对答案的置信度（通过困惑度PPL衡量）决定是否需要进行详细推理。
2025-07-21 09:06:26
WonderPlay – 斯坦福联合犹他大学推出的动态3D场景生成框架
WonderPlay 是斯坦福大学联合犹他大学推出的新型框架，支持从单张图片和用户定义的动作生成动态3D场景。基于结合物理模拟和视频生成技术，用物理求解器模拟粗略的3D动态，再驱动视频生成器合成更逼真的视频，用视频更新动态3D场景，实现模拟与生成的闭环。
2025-07-20 14:37:01
HunyuanVideo-Avatar – 腾讯混元推出的语音数字人模型
HunyuanVideo-Avatar是腾讯混元团队与腾讯音乐天琴实验室联合研发的语音数字人模型，基于多模态扩散Transformer架构，能生成动态、情感可控以及多角色对话视频。模型具有角色图像注入模块，可消除训练与推理间的条件不匹配，确保角色一致性。
2025-07-20 14:13:01
Jodi – 中国科学院推出的视觉理解与生成统一模型
Jodi是中国科学院计算技术研究所和中国科学院大学推出的扩散模型框架，基于联合建模图像域和多个标签域，将视觉生成与理解统一起来。
2025-07-20 13:49:00
HunyuanPortrait – 腾讯混元联合清华等机构推出的肖像动画生成框架
HunyuanPortrait 是腾讯 Hunyuan 团队联合清华大学、中山大学和香港科技大学等机构共同推出的基于扩散模型的框架，用在生成高度可控且逼真的肖像动画。基于给定一张肖像图片作为外观参考和视频片段作为驱动模板，根据驱动视频中的面部表情和头部姿势动画化参考图片中的人物。
2025-07-20 13:25:00
Ming-lite-omni – 蚂蚁集团开源的统一多模态大模型
Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型。模型基于MoE架构，融合文本、图像、音频和视频等多种模态的感知能力，具备强大的理解和生成能力。模型在多个模态基准测试中表现出色，在图像识别、视频理解、语音问答等任务上均取得优异成绩
2025-07-20 13:01:01
Onit – 开源的 Mac 桌面 AI 聊天助手
Onit是为Mac设计的AI聊天助手，支持停靠在任何应用程序中。Onit支持高亮文本自动加载，用户只需选择文本，Onit能自动作为上下文打开，无需复制粘贴。
2025-07-20 12:37:00
AI-Media2Doc – 开源AI图文创作助手，一键将音视频内容转为文档
AI-Media2Doc 是开源的音视频转文档工具，基于AI大模型技术，支持将音视频内容智能转换为小红书笔记、公众号文章、知识笔记、思维导图和视频字幕等多种文档形式。工具支持纯前端处理，无需本地安装ffmpeg，任务记录保存在本地，保障用户数据安全。
2025-07-20 12:13:00
DeepSeek-R1-0528 – DeepSeek开源的最新版R1模型
DeepSeek-R1-0528 是 DeepSeek 团队推出的最新版AI模型。模型基于 DeepSeek-V3-0324 训练，参数量达 660B。模型在 HuggingFace 上开源，开发者能自由使用和修改。
2025-07-20 11:49:00
OmniConsistency – 新加坡国立大学推出的图像风格迁移模型
OmniConsistency 是新加坡国立大学推出的图像风格迁移模型，能解决复杂场景下风格化图像的一致性问题。模型基于大规模配对的风格化数据进行训练，用两阶段训练策略，将风格学习与一致性学习解耦，在多种风格下保持图像的语义、结构和细节一致性。
2025-07-20 11:01:00
可灵2.1 – 快手推出的升级版AI视频生成模型
可灵2 1是快手推出的AI视频生成模型，模型现已上线可灵AI视频平台。平台更新包含可灵2 1和可灵2 1大师版两大基础模型。模型在速度、效果和价格上都有显著提升，性价比更高。可灵2 1分为标准版、高品质版和大师版，分别对应不同的创作需求。
2025-07-20 10:37:00
Paper2Poster – 滑铁卢、新加坡国立和牛津大学推出的学术海报生成框架
Paper2Poster是加拿大滑铁卢大学、新加坡国立大学等机构推出的创新学术框架，基于多模态自动化技术从科学论文生成海报。Paper2Poster推出PosterAgent，一个自顶向下的多智能体系统，支持将长篇论文内容压缩转化为结构化的视觉海报。
2025-07-20 10:13:00
Chatterbox – Resemble AI开源的文本转语音模型
Chatterbox是Resemble AI推出的开源文本转语音（TTS）模型。模型基于0 5B规模的LLaMA架构，用超过50万小时精选音频训练，性能直逼甚至超越部分闭源系统。Chatterbox支持零样本语音克隆，仅需5秒参考音频生成高度逼真的个性化语音。
2025-07-20 09:49:00
MagicTryOn – 浙大联合vivo等机构推出的视频虚拟试穿框架
MagicTryOn是浙江大学计算机科学与技术学院、vivo移动通信等机构推出的基于视频扩散Transformer的视频虚拟试穿框架。框架替换传统的U-Net架构为更具表现力的扩散Transformer（DiT），结合全自注意力机制，实现视频的时空一致性建模。
2025-07-20 09:25:00
SearchAgent-X – 南开等机构推出的高效推理框架
SearchAgent-X 是南开大学和伊利诺伊大学厄巴纳香槟分校（UIUC）研究人员推出的高效推理框架，能提升基于大型语言模型（LLM）的搜索Agent的效率。
2025-07-20 09:01:00
WebAgent – 阿里开源的自主搜索AI Agent
WebAgent是阿里巴巴开源的自主搜索AI Agent，具备端到端的自主信息检索与多步推理能力。WebAgent能像人类一样在网络环境中主动感知、决策和行动，应用在学术研究、商业决策和日常生活。
2025-07-20 08:37:00
EVI 3 – Hume AI推出的语音语言模型
EVI 3是Hume AI推出的全新语音语言模型，模型能同时处理文本和语音标记，实现自然、富有表现力的语音交互。模型支持高度个性化，根据用户提示生成任何声音和个性，实时调节情感和说话风格。
2025-07-20 08:13:00
Mobvoi MCP Server – 出门问问推出的多模态MCP服务工具
Mobvoi MCP Server 是出门问问推出的一站式集成各项 AI 能力的工具，Mobvoi MCP Server集成语音生成、声音克隆、图片驱动数字人、视频配音等多项多模态 AI 能力。用户只需简单输入文本，能灵活调用功能。
2025-07-20 07:49:00
人气排行
24小时排行
