最新AI教程资讯
PDF2Audio – 将PDF文档转换成音频博客的开源工具
PDF2Audio 是一个开源工具，能将 PDF 文档转换成音频内容，适合制作播客、讲座或摘要。它基于 OpenAI 的 GPT 模型生成播客脚本，通过文本到语音技术转化为音频。
2025-02-07 11:08:18
GraphReasoning – 将科学论文转换成知识图谱的AI应用框架
GraphReasoning是一种基于人工智能技术将大量科学论文转换成知识图谱的方法。通过结构化分析，计算节点度、识别社区及其连通性，评估关键节点的中心性，来揭示知识的架构。方法基于图的属性，如传递性和同构性，来发现跨学科的新颖联系，用于回答问题、识别知识空白、提出创新的材料设计和预测材料行为。
2025-02-07 10:39:11
Comic Translate – 开源的漫画翻译工具，自动翻译主流漫画阅读语言
Comic Translate 是一个开源的漫画翻译工具，由开发者 ogkalu2 推出。帮助用户自动翻译全球各地的漫画，支持英语、韩语、日语、法语、简体中文、繁体中文、俄语、德语、荷兰语、西班牙语和意大利语等多种语言。
2025-02-07 10:09:40
PearAI – 开源的AI代码编辑器，基于VSCode开发直接与代码库对话
PearAI 是一个开源的 AI 驱动的代码编辑器，基于 Visual Studio Code (VSCode) 开发。PearAI 集成AI技术，减少编程工作量提高开发效率。PearAI 支持开发者直接与代码库对话，提出问题或生成代码，支持选择特定文件夹、在线文档、终端内容和文件等。
2025-02-07 09:43:34
EzAudio – 腾讯联合约翰霍普金斯大学推出的文本到音频生成模型
EzAudio是由约翰霍普金斯大学和腾讯AI实验室共同推出的一款文本到音频（Text-to-Audio, T2A）生成模型。基于一种高效的扩散变换器技术，用在从文本提示生成高质量的音频效果。
2025-02-06 17:51:49
FLUX-Controlnet-Inpainting – 阿里妈妈推出的开源AI图像修复工具
FLUX-Controlnet-Inpainting 是阿里妈妈（Alibaba& 039;s Alimama）推出的一款图像修复工具，融合 ControlNet 和 FLUX 1-dev 技术。工具根据用户指定的掩码区域进行精确的图像修复，确保修复部分与原图风格一致。
2025-02-06 17:29:18
Rope – 基于深度学习模型开源的AI换脸技术
Rope是一款开源的AI换脸工具，基于insightface的inswapper_128模型构建，提供一个用户友好的图形界面。用户通过上传图片或视频，在几秒钟内完成换脸操作，效果逼真。
2025-02-06 17:08:57
Westlake-Omni – 西湖心辰开源的中文情感端到端语音交互模型
Westlake-Omni 是西湖心辰推出的全球首个开源中文情感端到端语音交互大模型。模型采用离散表示法，统一文本和语音模态的处理，特别强调实时性，快速响应用户输入，提供零延迟的交互体验。
2025-02-06 16:47:11
AutoGen Studio – 微软开源的零代码构建多智能体系统的AI工具
AutoGen Studio 是微软研究院推出的一款开源界面工具，旨在简化多智能体系统的构建、调试和评估过程。AutoGen Studio提供一个基于 Web 的交互式界面和 Python API，支持用户拖放和声明式规范定义智能体及工作流，无需编写代码。
2025-02-06 16:21:23
IDIFY – 开源的在线AI证件照生成工具，本地浏览器自动处理图片
IDIFY是一款免费开源的在线证件照生成工具，通过AI技术实现自动抠图，帮助用户快速生成符合标准的证件照。用户只需在浏览器中上传照片，选择尺寸和背景色，可下载高清证件照。
2025-02-06 15:55:40
Emu3 – 北京智源推出的统一输入与生成多模态模型
Emu3是由北京智源人工智能研究院推出的一款原生多模态世界模型，采用智源自研的多模态自回归技术路径，在图像、视频、文字上联合训练，使模型具备原生多模态能力，实现图像、视频、文字的统一输入和输出。Emu3将各种内容转换为离散符号，基于单一的Transformer模型来预测下一个符号，简化了模型架构。
2025-02-06 15:28:01
CCI 3.0 – 智源研究院发布的大规模的中文互联网语料库
CCI 3 0是智源研究院发布的一个大规模的中文互联网语料库，包含了1000GB的数据集和498GB的高质量子集CCI 3 0-HQ。该版本在数据规模上相较于CCI 2 0扩大了近一倍，数据来源机构增加至20多家，提升了数据的覆盖面和代表性。
2025-02-06 14:58:37
MemFree – 开源的混合AI搜索引擎，支持多模态搜索和提问
MemFree是一款开源的混合AI搜索引擎，通过整合多种AI模型和搜索引擎，提供高效、多样化的搜索体验。可以用文本、图像、文件和网页等多种方式进行搜索和提问，获取文本、思维导图、图片和视频等多格式的搜索结果。
2025-02-06 14:28:47
GarDiff – AI虚拟试穿技术，生成高保真试穿图像保留服装细节
GarDiff是一种创新的虚拟试穿技术，通过使用CLIP和VAE编码来提取服装的外观先验，结合服装聚焦适配器和高频细节增强算法，生成高保真且细节丰富的试穿图像。能精确地对齐服装与人体姿态，保留服装的复杂图案和纹理，提供真实的在线试穿体验。
2025-02-06 14:04:40
NeMo – 英伟达推出的用于构建、定制和部署生成式AI模型
NeMo 是由 NVIDIA 提供的端到端云原生框架，用于构建、定制和部署生成式 AI 模型。支持大型语言模型（LLMs）、多模态模型、语音识别和文本转语音（TTS）等应用。NeMo 的设计理念强调模块化和灵活性，使研究人员和企业用户能根据自己的需求选择和定制相应的AI模块。
2025-02-06 13:36:42
Oryx – 腾讯联合清华和南洋理工大学推出的多模态大语言模型
Oryx是由清华大学、腾讯和南洋理工大学联合推出的多模态大型语言模型（MLLM），基于两项核心创新来处理视觉数据，预训练的OryxViT模型和动态压缩模块。OryxViT将任意分辨率的图像编码为适合LLM的视觉表示，动态压缩模块根据需求在1到16倍之间压缩视觉标记。
2025-02-06 13:08:45
I2VEdit – AI视频编辑技术，基于扩散模型实现首帧编辑引导
I2VEdit是一个先进的视频编辑框架，通过图像到视频的扩散模型实现首帧引导的视频编辑。用户只需编辑视频的第一帧，I2VEdit能自动将编辑效果应用到整个视频。
2025-02-06 12:44:36
HouseCrafter – 东北大学和 Stability AI推出2D转换3D室内场景的技术
HouseCrafter 是由东北大学和 Stability AI 推出的先进技术，将二维平面图自动转换成三维室内场景。基于一个网络规模图像训练的2D扩散模型，生成一致的多视图彩色（RGB）和深度（D）图像。图像自回归地批量生成，确保全局一致性，重建出高质量的3D场景。
2025-02-06 12:23:38
AMD-135M – AMD推出的首款小型语言模型
AMD-135M是AMD推出的首款小型语言模型（SLM），为特定用例提供性能与资源消耗之间的平衡。基于LLaMA2模型架构，在AMD Instinct MI250加速器上训练，基于670亿个token，AMD-135M分为两个版本，通用文本的AMD-Llama-135M和针对代码的AMD-Llama-135M-code。
2025-02-06 11:54:59
JoyHallo – 京东推出的音频驱动视频生成AI数字人模型
JoyHallo 是京东开源的AI数字人模型，专为普通话设计，能根据音频生成逼真的说话视频。特别适合处理普通话的复杂口型和语调，具有跨语言生成视频的能力。
2025-02-06 11:27:19
人气排行
24小时排行
