最新AI教程资讯
ItiNera – 港大与MIT联合推出的AI城市行程规划（OUIP）系统
ItiNera 是港大和MIT联合开发的智能城市行程规划系统。基于大型语言模型（LLM）和空间优化技术，根据用户的个性化需求，如情侣酒吧、二次元圣地等，一键生成Citywalk路线。系统包含五大模块：用户兴趣点数据库构建、请求解析、偏好感知兴趣点检索、聚类感知空间优化和行程生成。
2025-02-08 11:22:15
华知大模型5.0 – 知网联合华为云推出的多模态AI大模型
华知大模型5 0是同方知网与华为云联合推出的AI大模型，具备多模态理解和生成能力。华知大模型5 0的最大亮点在于多维模型的构建能力，涵盖从7B到135B不等的多种规模模型。通过跨模态多层语义融合技术，处理学术图片、统计表格等数据，实现复杂场景下的智能识别和分割。
2025-02-08 10:58:34
LVCD – 腾讯联合香港城市大学推出为动漫视频线稿上色的AI框架
LVCD（Large Video Color Diffusion）是一个专为动画视频线稿上色设计的视频扩散框架，能将黑白线稿自动转化为彩色动画视频。LVCD使用了一种先进的扩散模型，可以同时处理整个视频序列，保证每一帧的颜色连贯，在角色快速移动时，也能保持颜色一致。
2025-02-08 10:29:42
Llama 3.2 – Meta推出的中小型视觉语言模型和轻量级文本模型
Llama 3 2是Meta公司最新推出的开源AI大模型系列，包括小型和中型视觉语言模型（11B和90B参数）以及轻量级纯文本模型（1B和3B参数）。Llama 3 2模型专为边缘设备和移动设备设计，支持128K令牌的上下文长度，并针对高通和联发科硬件进行优化。
2025-02-08 10:05:47
LLaMA-Omni – 中科院推出的低延迟高质量的语音交互模型
LLaMA-Omni 是中国科学院计算技术研究所和中国科学院大学研究者推出的新型模型架构，用于实现与大型语言模型（LLM）的低延迟、高质量语音交互。通过集成预训练的语音编码器、语音适配器、大型语言模型（LLM）和一个实时语音解码器，直接从语音指令中快速生成文本和语音响应，省略传统的必须先将语音转录为文本的步骤，提高了响应速度。
2025-02-07 17:58:19
SCoRe – 谷歌DeepMind推出的多轮强化学习方法
SCoRe（Self-Correction via Reinforcement Learning）是谷歌DeepMind推出的一种创新的多轮强化学习方法，旨在提高大型语言模型（LLM）的自我纠错能力。通过在模型生成的数据上进行训练，使模型在没有外部指导的情况下，对错误答案进行自我纠正。
2025-02-07 17:32:00
AiNiee – AI翻译工具，游戏爱好者和小说迷的翻译神器
AiNiee 是一款AI翻译工具，能一键自动翻译RPG、SLG游戏、Epub、TXT格式的小说、Srt、Lrc字幕文件等。工具支持多格式文件，接入多个主流AI接口平台，如OpenAI、Google、Anthropic、Deepseek、智谱等，实现快速翻译。
2025-02-07 17:10:50
ANTO – 开源的Windows桌面字幕翻译工具
ANTO是一款开源的Windows桌面字幕翻译工具，用于翻译SRT格式的视频字幕文件。集成多种翻译引擎，如谷歌翻译、DeepL、微软翻译、百度翻译和有道翻译等，用户根据需求选择服务。ANTO支持批量处理，能同时翻译多个字幕文件，大大提高工作效率。
2025-02-07 16:50:38
OpenMusic – 基于 QA-MDT 的开源高质量文生音乐模型
OpenMusic 是一款基于 QA-MDT（Quality-aware Masked Diffusion Transformer）技术的高质量文生音乐模型。基于先进的AI算法，根据文本描述生成高质量的音乐作品。
2025-02-07 16:26:51
SFR-RAG – 专注于上下文理解和检索增强生成的语言模型
SFR-RAG是由Salesforce AI Research推出的一款大型语言模型，专注于提升机器在理解和生成文本方面的应用能力。模型特别强调对上下文的忠实理解，在检索增强生成领域进行优化。
2025-02-07 16:03:55
onewebot2 – 微信AI机器人一键运行包，双击exe直接使用
oneWebot2是一款微信AI机器人一键运行软件包，用户下载exe文件后，双击即可启动，无需复杂的Python环境配置。有图形化界面，简化配置流程，非技术用户轻松设置和运行微信机器人。
2025-02-07 15:40:23
GOT-OCR2.0 – 开源的端到端OCR模型，多语言多模态识别，多样化输入输出
GOT-OCR 2 0是一种先进的光学字符识别（OCR）模型，推动OCR技术进入2 0时代。GOT-OCR 2 0端到端的模型由高压缩编码器和长上下文解码器组成，能处理包括文本、数学公式、分子式、图表、乐谱和几何图形在内的多种光学字符。GOT-OCR 2 0支持多种语言，尤其是中文和英文，能输出多种格式化结果，如Markdown和LaTeX。
2025-02-07 15:18:22
豆包PixelDance – 字节跳动推出的AI视频生成大模型，基于DiT结构
豆包PixelDance是字节跳动最新推出的AI视频生成模型，采用DiT结构，支持文生视频和图生视频。它能理解复杂指令，生成长达10秒的连贯视频片段，涵盖多主体交互和时序性动作。
2025-02-07 14:56:09
豆包Seaweed – 字节跳动推出的AI视频生成模型，基于Transformer结构
豆包Seaweed是字节跳动推出的AI视频生成模型，支持文生视频和图生视频两种模式。基于Transformer结构，利用时空压缩技术进行训练，原生支持多分辨率输出，适配不同屏幕比例。豆包Seaweed默认生成720p、24fps、5秒视频，可延长至20-30秒。
2025-02-07 14:33:42
PortraitGen – 中科大推出的AI人像视频编辑工具
PortraitGen是中国科学技术大学研究团队推出的一款AI人像视频编辑工具。基于3D高斯溅射技术和神经高斯纹理机制，将2D人像视频转换为4D高斯场，实现高质量的3D和时间一致性编辑。
2025-02-07 14:03:43
MMMLU – OpenAI推出的多语言大规模多任务语言理解数据集
MMMLU（多语言大规模多任务语言理解）是由OpenAI推出的一个开源数据集，旨在评估和提升人工智能模型在不同语言、认知和文化背景下的性能而设计。MMMLU建立在广受欢迎的大规模多任务语言理解（MMLU）基准的基础上，数据集包含57个不同学科领域的任务，从基础数学到复杂的法律和物理问题，覆盖广泛的主题和难度级别。
2025-02-07 13:39:59
MIMO – 阿里智能研究院推出的可控角色AI视频合成框架
MIMO是阿里巴巴集团智能计算研究所推出的可控角色视频合成的新型AI框架，基于空间分解建模技术，将2D视频转换为3D空间代码，实现对角色、动作和场景的精确控制。MIMO能处理任意角色的合成，适应新颖的3D动作，并与真实世界场景交互。
2025-02-07 12:48:08
豆包AI视频模型 – 字节跳动推出的AI视频生成大模型：PixelDance和Seaweed
豆包AI视频模型是字节跳动推出的两款AI视频生成大模型：PixelDance 和 Seaweed 。PixelDance基于DiT结构，擅长理解复杂指令，生成连贯、多主体交互的视频片段，适合制作故事性强的短片。Seaweed则基于Transformer结构，通过时空压缩技术训练，支持多分辨率输出，生成逼真、流畅的视频，适合多种商业应用场景。PixelDance适合需要复杂动作和故事叙述的视频创作，而Seaweed则适合需要高清晰度和逼真度的视频生成。
2025-02-07 12:23:23
美图奇想大模型 – 美图公司推出的AI视觉大模型
美图奇想大模型（MiracleVision）是美图公司推出的一款AI视觉大模型，专注于美学创作，包括东方美学、人像和商业设计等。模型完成了视频生成能力的全面升级，能生成1分钟、每秒24帧、1080P分辨率的高质量视频，显著提升视频的画质、流畅性和真实性。
2025-02-07 12:00:35
SafeEar – 浙大和清华联合开源的AI音频伪造检测框架
SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检测框架，保护用户隐私的同时检测音频伪造。采用基于神经音频编解码器的解耦模型，分离语音的声学信息和语义信息，用声学信息进行检测，有效防止隐私泄露。
2025-02-07 11:35:53
人气排行
24小时排行
