最新AI教程资讯
SwiftBrush V2 – 文本到图像的单步扩散模型，性能与多步模型相媲美
SwiftBrush V2 是文本到图像的单步扩散模型，通过改进训练方法和模型融合技术，实现与多步Stable Diffusion扩散模型相媲美的性能。模型通过更好的权重初始化、高效的LoRA训练，引入一种新颖的夹紧CLIP损失来增强图像与文本的对齐，提高图像质量。
2025-02-10 11:03:23
Jina-embeddings-v3 – 专为多语言和长文本上下文检索设计的文本嵌入模型
Jina-embeddings-v3 是 Jina AI 推出的一款先进的文本嵌入模型，专为多语言数据处理和长文本上下文检索任务设计。模型拥有 5 7 亿参数，支持长达 8192 个 token 的文本处理。
2025-02-10 10:40:08
Click2Mask – AI图像编辑技术，通过简单点击和内容描述实现智能编辑
Click2Mask 是一种先进的图像编辑技术，支持用户通过在图片上简单点击来实现局部编辑，无需复杂的遮罩或详细描述。通过动态生成遮罩，结合混合潜在扩散（BLD）过程和基于 CLIP 的语义损失来引导遮罩的生成，简化用户输入。
2025-02-10 10:17:22
DrawingSpinUp – AI驱动的2D绘画转化为3D效果的动画生成技术
DrawingSpinUp 是一种先进的3D动画生成技术，由香港城市大学的研究团队推出。模型将平面的角色绘画转化为具有3D效果的动态动画，同时保留原始艺术作品的风格和特征。
2025-02-10 09:31:36
Qwen2.5-Coder – 阿里Qwen团队开源的全系代码模型，覆盖六个主流模型尺寸
Qwen2 5-Coder 是阿里Qwen 团队推出的全系列代码生成模型，推动开源代码语言模型的发展。在代码生成、代码推理、代码修复等任务上表现出色。系列涵盖了不同规模的模型1 5B 7B 0 5B 3B 14B 32B的六个主流模型尺寸，满足不同开发者的需求。
2025-02-08 18:03:08
Qwen2.5-Math – 阿里Qwen团队开源的数学专项模型，超越GPT-4o
Qwen2 5-Math是由阿里巴巴Qwen团队推出的开源AI数学模型，是Qwen2-Math的升级版，支持中英双语。模型通过大规模数学数据预训练，结合CoT、PoT和TIR推理方法，提升解决数学问题的能力。
2025-02-08 17:37:31
Qwen2.5 – 阿里通义千问团队最新开源的最强AI大模型
Qwen2 5 是阿里通义千问团队最新开源的最强AI大模型，具有多种参数规模的模型，包括 0 5B、1 5B、3B、7B、14B、32B 和 72B。模型在预训练时使用了最新的大规模数据集，包含多达 18 万亿个 tokens，Qwen2 5 在自然语言理解、文本生成、编程能力、数学能力等方面都有显著提升。
2025-02-08 17:10:12
abab-video-1 – MiniMax推出的首款AI高清视频生成模型
abab-video-1是MiniMax公司推出的首款AI高清视频生成模型，模型支持生成最高1280x720分辨率、25fps的高清视频，具备电影感的镜头移动效果，能根据文本描述快速创造出具有视觉冲击力的内容。
2025-02-08 16:48:54
abab-music-1 – MiniMax 推出端到端 AI 音乐生成大模型
abab-music-1 是 MiniMax 推出的一款端到端 AI 音乐生成大模型。支持多功能端到端音乐生成，能合成多种音乐形式，包括纯音乐和清唱作品，同时满足伴奏和人声的生成，简化了音乐录制与创作过程。
2025-02-08 16:19:35
FineVideo – Hugging Face推出的大型多模态视频数据集
FineVideo是由Hugging Face推出的一个大型多模态视频数据集，专注于视频理解领域中的复杂任务，如情绪分析、故事叙述和媒体编辑。FineVideo包含超过43,000个YouTube视频，覆盖122个类别，总时长约3,425小时。
2025-02-08 15:55:48
Void – 开源的AI辅助编程工具，代码自动补全和智能建议
Void 是基于 Visual Studio Code 构建的开源文本编辑器，集成AI技术增强编程体验。Void支持代码自动补全、内联编辑、AI 驱动的代码搜索，直接与大型语言模型（如 Claude、GPT 或 Gemini）的 API 集成。
2025-02-08 15:35:39
Draw an Audio – 中科院联合美团推出的视频生成音频系统
Draw an Audio 是中国科学院自动化研究所和美团点评的研究人员推出的视频生成音频系统。根据视频内容自动生成匹配的声音效果，类似于电影制作中的 Foley 艺术。系统分析视频结合多种输入指令，如文本、视频遮罩和响度信号，生成与视频内容、时间和响度一致的音频。
2025-02-08 15:11:20
CogVideoX-5B-I2V – 智谱 AI 开源的图生视频生成模型
CogVideoX-5B-I2V 是智谱 AI 开源的一款图生视频模型，通过一张图片和文本提示词生成视频。模型采用了3D 因果变分自编码器和专家自适应 LayerNorm 技术，能输出720×480分辨率、6秒长的视频。
2025-02-08 14:46:55
RapidPages – AI驱动的集成开放环境，实时生成UI组件和CSS代码
RapidPages 是一个开源的集成开发环境（IDE），专注于基于AI技术快速生成 React 和 Tailwind CSS 的 UI 组件。基于自然语言处理，支持用户仅通过描述所需界面的方式，可实时创建和迭代设计。
2025-02-08 14:25:34
Ovis1.6 – 阿里国际AI团队推出的多模态大模型，超过闭源GPT-4o-mini
Ovis1 6是阿里国际AI团队推出的多模态大模型，在多模态权威综合评测基准OpenCompass上取得了优异的成绩，特别是在30亿参数以下的模型中综合得分排名第一，超越了其他主流模型。Ovis1 6模型在数学推理、视觉理解等多项任务中表现出色，甚至超过闭源的GPT-4o-mini模型。
2025-02-08 13:56:23
Gummy – 通义推出的端到端语音翻译大模型，能实时流式生成结果
Gummy是通义实验室在2024年云栖大会上推出的端到端语音翻译大模型。模型能实时流式生成语音识别与翻译结果，支持包括中文、英语、粤语、日语、韩语、法语、德语、俄语、意大利语、西班牙语等十余种语言的语音输入，将其翻译成目标语言。
2025-02-08 13:28:37
cogvlm2-llama3-caption – 智普AI开源的视频标注模型，生成文本描述
cogvlm2-llama3-caption模型是一个基于CogVLM2架构的视频描述生成模型。模型用于理解视频内容，自动生成描述视频内容的文本标题或字幕。
2025-02-08 12:59:07
书生·物华2.0（3DTopia 2.0）- 上海AI实验室联合南洋理工推出三维物体生成大模型
书生·物华2 0（3DTopia 2 0）是由上海人工智能实验室与南洋理工大学联合开发的三维物体生成大模型。模型采用创新的原语（primitive-based）三维表示方法PrimX，能将形状、纹理和材质信息编码为紧凑的张量格式，实现高分辨率几何图形的建模。
2025-02-08 12:35:00
StoryMaker – 小红书开源的文本到图像实现角色一致的生成模型
StoryMaker 是小红书开源的一款文本到图像生成工具，专注于帮助创作者在连续图像内容中保持角色的一致性。基于 Stable Diffusion XL 模型和 LoRA 技术，确保生成的图像在面部特征、服装、发型和身体特征上的高度连贯性。
2025-02-08 12:12:12
CogVideoX-Fun – 基于CogVideoX的整合包，支持生成无限长度的视频
CogVideoX-Fun是一个基于CogVideoX结合EasyAnimate修改的AI视频生成整合包，提供了更自由的生成条件，支持文字生成视频、图片生成视频以及视频生成视频。工具能生成不同分辨率的视频内容，从256x256至1024x1024，满足多样化的视频创作需求。
2025-02-08 11:45:28
人气排行
24小时排行
