最新AI教程资讯
Seed-VC – 零样本实现声音克隆和转换的技术
Seed-VC 是一种零样本声音转换技术，基于上下文学习实现高质量的音频输出和音色相似度。用户无需进行特定训练，只需提供1到30秒的参考语音样本，实现声音的克隆和转换。
2025-02-06 10:59:57
Phidias – 检索增强的3D内容生成模型，支持多模态输入
Phidias是一个先进的3D内容生成模型，将检索增强生成（RAG）的概念引入到3D建模领域。模型能基于用户提供的或从大型数据库中检索到的3D参考模型，辅助生成新的3D内容。
2025-02-06 10:34:44
Movie Gen – Meta推出文本驱动的AI视频生成与编辑工具
Movie Gen 是 Meta 推出的AI视频生成工具，能根据文本提示生成和编辑视频，为视频配上同步音频。技术包括创建长达16秒的高清视频、为现有视频配上音频、编辑视频以及基于照片制作定制视频。
2025-02-06 10:05:37
Mini-LLaVA – 基于Llama 3.1的轻量级多模态大语言模型
Mini-LLaVA是一款轻量级的多模态大语言模型，由清华大学和北京航空航天大学的研究团队联合开发。能处理图像、文本和视频输入，实现高效的多模态数据处理。Mini-LLaVA基于Llama 3 1模型，优化了代码结构，在单个GPU上即可运行，适合复杂的视觉-文本关联任务。
2025-02-06 09:43:30
MemoryScope – 为LLM聊天机器人配备的长期记忆系统
MemoryScope是一个为大型语言模型（LLM）聊天机器人设计的长期记忆系统。通过构建一个框架，使机器人记住用户的基础信息、习惯和偏好，提供个性化的交互体验。MemoryScope具备记忆数据库、核心worker库和核心Operation库，支持记忆检索、记忆巩固、反思与再巩固等功能。
2025-02-06 09:18:21
CogView3 – 智谱AI推出的开源AI图像生成模型
CogView3是清华大学联合智谱AI推出的开源AI图像生成模型，采用中继扩散技术。模型分阶段生成图像，首先创建低分辨率图像，然后通过中继超分辨率技术提升至高分辨率，提高生成效率并降低成本。CogView3在生成质量和速度上均超越现有的开源模型SDXL，实现在保持图像细节的同时，大幅减少推理时间。
2025-02-05 18:26:41
RTranslator – 开源的离线、实时、多语言翻译应用程序
RTranslator 是一款开源、免费、离线实时翻译应用程序，专为 Android 设备设计。基于先进的AI技术，包括 Meta 的 NLLB 翻译模型和 OpenAI 的 Whisper 语音识别，实现高质量的多语言翻译。
2025-02-05 18:04:11
Molmo 72B – 开源的多模态AI模型，基于Qwen2-72B模型，超越Llama 3.2
Molmo 72B是由艾伦人工智能研究所（Ai2）推出的一个开源多模态AI模型，专门设计用于处理和理解图像和文本数据。基于Qwen2-72B模型，使用OpenAI的CLIP作为视觉编码器。Molmo 72B在多个学术基准测试中表现优异，击败包括Llama 3 2 90B在内的其他模型。
2025-02-05 17:40:36
ProX – 提高大语言模型预训练数据质量的框架
ProX（Programming Every Example）是一个旨在提高大型语言模型预训练数据质量的框架。与传统依赖人类专家制定规则的方法不同，ProX将数据清洗任务视为编程问题，支持模型自动执行如字符串标准化和噪声行移除等细粒度操作。
2025-02-05 17:13:05
OutofFocus – 文本驱动图像生成或编辑的AI工具
OutofFocus是一个基于AI技术的图像编辑工具，基于Gradio平台为用户提供一个直观的界面操作和编辑图片。工具的核心功能是接受用户的文本提示，运用自然语言处理（NLP）技术理解提示，结合扩散逆过程重建技术修改图像。
2025-02-05 16:51:57
TeleChat2-115B – 中国电信AI研究院推出的开源星辰语义大模型
TeleChat2-115B是由中国电信人工智能研究院（TeleAI）研发的大型语言模型，属于星辰语义大模型系列。基于国产算力进行训练，采用10万亿Tokens的中英文高质量语料。与前代模型相比，TeleChat2-115B在通用问答、知识类、代码类和数学类任务上的性能显著提升。
2025-02-05 16:23:51
GroundingBooth – Adobe联合多所高校推出主题和文本到图像的定制框架
GroundingBooth 是一个先进的文本到图像定制框架，由华盛顿大学圣路易斯分校、Adobe和普渡大学的研究团队共同推出。基于文本-图像对齐模块和遮罩交叉注意力层，实现对前景主体和背景对象的精确空间对齐。
2025-02-05 15:59:28
markmap – 解析Markdown生成可视化思维导图的工具
markmap 是一个将 Markdown 文本转换为思维导图的工具。基于 Markdown 的语法结构，实时生成可视化的思维导图，帮助用户直观的组织和展示信息。markmap 轻量且功能强大，支持与多种代码编辑器如 VS Code、Vim Neovim、Emacs 集成，实现实时渲染和高度的可定制性。
2025-02-05 15:34:19
OLMoE – 完全开源的大语言模型，基于混合专家（MoE）架构
OLMoE（Open Mixture-of-Experts Language Models）是一个完全开源的大型语言模型，基于混合专家（MoE）架构。OLMoE基于5万亿个token进行预训练，拥有70亿总参数和10亿活跃参数。
2025-02-05 15:05:14
WebDesignAgent – 自动化网页设计AI工具，零门槛搭建各类型网站
WebDesignAgent是一个自动化的网页设计工具，基于AI技术帮助用户轻松创建网站。用户提供简单的文本描述或上传图片，WebDesignAgent生成功能齐全、设计精美的网页。WebDesignAgent支持多页面设计，支持用户添加、删除或修改网页内容，实现个性化定制。
2025-02-05 14:39:17
Bolt․new – AI全栈 Web 编程工具，自动写代码、运行、部署
Bolt․new 是一个AI全栈Web编程工具，自动编写代码、运行、编辑和部署应用程序。Bolt․new依托于 WebContainers 技术，支持在浏览器中直接运行完整的 Node js 环境，无需任何本地安装或配置。用户只需通过简单的提示命令，快速生成代码，并且立即在浏览器中运行和测试代码。
2025-02-05 14:15:05
ChatMLX – 高性能MacOS聊天应用，基于MLX框架实现与数据实时交互
ChatMLX是一个基于大型语言模型（LLM）的高性能MacOS聊天应用，基于MLX框架实现与数据的交互。应用通过自然语言处理技术，让用户与数据进行对话，支持文本文档、PDF文件和YouTube视频。ChatMLX支持多种语言，包括中文、英语、法语、德语、印地语、意大利语、日语、韩语、西班牙语、土耳其语和越南语，使全球用户方便使用。
2025-02-05 13:46:50
CDial-GPT – 清华推出的大型中文短文本对话数据集和对话生成模型
CDial-GPT是清华大学研究团队推出的大型中文短文本对话数据集LCCC及基于数据集的预训练对话生成模型。LCCC数据集经过严格的清洗流程，包含基础版（LCCC-base）和扩展版（LCCC-large），旨在提升对话模型的质量。
2025-02-05 13:22:30
RD-Agent – 微软亚洲研究院推出开源的自动化研究与开发工具
RD-Agent是一个开源的自动化研究与开发（R&D）工具，由微软亚洲研究院推出。基于AI技术推动数据驱动的AI研发过程，专注于简化模型和数据的开发。RD-Agent的核心在于自动化提出新想法和实施整个过程，旨在提高研发效率和质量。
2025-02-05 12:56:36
FLUX1.1 – Black Forest Labs团队推出的超写实AI图像生成模型，代号“蓝莓”
FLUX1 1 Pro是Black Forest Labs团队最新推出的升级版AI图像生成模型，代号“蓝莓”，提供比前代快6倍的生成速度，同时保持了图像的及时性和多样性。FLUX1 1目前仅包含FLUX1 1 Pro模型，预计后续会开放更多的系列模型，FLUX1 1 Pro通过API对外开放，主要面向开发者和企业用户。FLUX1 1 Pro的一个独特功能是支持通过模仿单反相机文件名的技巧来增强图像的真实感
2025-02-05 12:29:20
人气排行
24小时排行
