最新AI教程资讯
Mellum – JetBrains 推出专为开发者设计的大语言模型
Mellum 是 JetBrains 推出的一款专为开发者设计的大型语言模型（LLM），旨在提升 AI 驱动的开发工具。通过深度集成 JetBrains IDE，提供低延迟、高准确度的代码补全服务。Mellum 支持 Java、Kotlin、Python、Go 和 PHP 等多种流行编程语言，可通过早期访问计划支持更多语言。
2025-01-29 22:42:51
easegen – AI数字人课程制作平台，智能课件自动批量生成
easegen是一个开源的AI+数字人课程制作项目，集成课程制作、视频管理、智能课件生成到智能出题的全套方案。项目支持PPT课件的批量自动生成、数字人克隆、声音克隆及数字人课程设计和视频渲染等功能。
2025-01-29 22:18:16
sCM – OpenAI推出连续时间一致性模型，两步采样生成高质量图像
sCM是OpenAI推出的连续时间一致性模型，基于扩散模型原理进行改进。sCM简化理论框架和优化采样过程，实现图像生成速度的显著提升。sCM模型仅需两步采样能生成高质量图像，速度比传统扩散模型快50倍。
2025-01-29 21:54:50
Moonshine – 实时转录场景、低延时高准确的语音识别模型
Moonshine是专为资源受限设备优化的语音识别模型，提供快速且准确的实时语音转文本服务。适于需要即时响应的应用场景，例如现场转录和语音命令识别。Moonshine基于先进的编码器-解码器架构和旋转位置嵌入技术，提高模型在处理不同长度音频输入时的效率。
2025-01-29 21:32:45
Time-MoE – 基于MoE架构的时间序列基础模型
Time-MoE是创新的时间序列基础模型，基于混合专家（Mixture of Experts, MoE）架构，将时间序列预训练模型的参数规模扩展至十亿级别。模型用稀疏激活机制，在预测任务中仅激活部分网络节点，有效提升计算效率，降低计算成本。
2025-01-29 21:07:08
SynthID – DeepMind推出能嵌入数字水印和检测AI生成内容的工具
SynthID 是 DeepMind 推出的技术工具，基于在 AI 生成的内容中嵌入数字水印帮助识别内容。水印对人类是不可感知的，但能被机器检测到，促进信息的信任度。SynthID 适于文本、音乐、图像和视频等多种内容形式，能在内容被修改或压缩后保持可检测性。
2025-01-29 20:40:05
Whispo – AI语音转录工具，一键录音与转写
Whispo是AI驱动的语音转录工具，支持用户按住Ctrl键录制语音，在释放键时自动将转录的文本插入到正在用的任何支持文本输入的应用程序中。工具的数据处理完全在本地进行，确保数据的安全性和隐私性。
2025-01-29 20:11:45
AutoGLM-Web – AI浏览器助手，模拟用户进行网页浏览与交互
AutoGLM-Web是模拟用户操作的智能浏览器助手，基于大型语言模型构建，能执行网页访问、信息检索、内容总结等任务。基于简单的文字或语音指令，AutoGLM-Web能在私域网站上完成高级检索、模拟用户浏览网页的过程，快速批量处理多个网页内容。
2025-01-29 19:51:13
OmniGen – 统一图像生成的扩散模型，支持多模态输入
OmniGen是用于统一图像生成的新扩散模型，能在单一框架内处理多种图像生成任务，如文本到图像的生成、图像编辑、主题驱动生成和视觉条件生成等。OmniGen涉及传统计算机视觉任务，将任务转化为图像生成任务增强模型的复杂图像生成能力。
2025-01-29 19:29:20
CogAgent – 清华与智谱AI联合推出的多模态视觉大模型
CogAgent是清华大学与智谱AI联合推出的多模态视觉大模型，专注于图形用户界面（GUI）的理解和导航。通过视觉模态对GUI界面进行感知，非传统的文本模态，更符合人类的直觉交互方式。
2025-01-29 19:02:29
OMNE Multiagent – 天桥脑科学研究院推出的大模型多智能体框架
OMNE Multiagent是天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）推出的大模型多智能体框架。基于长期记忆（Long Term Memory, LTM）构建，每个智能体拥有相同且独立的系统结构，能自主学习和理解完整的世界模型，独立理解环境。
2025-01-29 18:35:27
DuoAttention – 提高LLMs处理长上下文推理效率的AI框架
DuoAttention是新型的框架，由MIT韩松团队提出，用在提高大型语言模型（LLMs）在处理长上下文时的推理效率。基于区分“检索头”和“流式头”两种注意力头，优化模型的内存使用和计算速度。检索头负责处理长距离依赖，需要完整的键值（KV）缓存，流式头关注最近token和注意力汇聚点，只需固定长度的KV缓存。
2025-01-29 18:10:12
HuggingChat macOS – Hugging Face开源的macOS聊天应用程序
HuggingChat macOS是Hugging Face推出的开源聊天应用程序，专为macOS用户设计，基于强大的开源语言模型，将先进的AI对话能力直接带到用户的桌面上。应用支持多种顶尖的开源大语言模型，如Qwen 2 5 72B、Command R+、Phi 3 5、Mistral 12B等，用户能轻松访问。
2025-01-29 17:40:12
OmniParser – 微软推出的屏幕解析工具，将UI截图转换为结构化数据
OmniParser是微软研究院推出的屏幕解析工具，将用户界面的屏幕截图转换成结构化数据。工具专门设计用在提高基于大型语言模型（如GPT-4V）的UI代理系统的性能，基于准确识别可交互图标和理解截图元素的语义，增强代理执行任务的能力。
2025-01-29 17:14:20
Ditto – AI应用程序生成器，零编码自动规划和构建应用
Ditto是基于Flask的应用程序生成器，用户基于简单的自然语言描述创建多文件的Web应用程序。工具用一个简单的LLM循环和一些辅助工具自动化编码过程，将用户的想法转化为功能性的Web应用程序。用户用英语描述想要构建的应用程序，Ditto会自动生成相应的路由、模板和静态文件。Ditto支持模块化结构，将代码组织得井井有条。
2025-01-29 16:45:45
Flux.1 Lite – Freepik推出的轻量级AI模型
Flux 1 Lite是Freepik团队推出的轻量级AI模型，目前处于alpha版本。Flux 1 Lite是基于80亿参数的transformer架构，从FLUX 1-dev模型中提取而来。Flux 1 Lite的模型权重文件大小为16 3 GB，相较于原始模型减少7GB的RAM使用，且运行速度提高23%，保持与原始模型相同的精度（bfloat16）。
2025-01-29 16:17:08
Phidata – 创建具有记忆、知识、工具和推理能力的AI智能体框架
Phidata是开源的AI智能体框架，帮助开发者构建具有记忆、知识、工具和推理能力的智能代理系统。支持创建能够协同工作的代理团队，提供用户界面实现与代理的交互。Phidata包含监控和优化工具，便于跟踪代理性能并和进行改进。
2025-01-29 15:49:54
Allegro – Rhymes AI推出文本生成高质量视频内容的模型
Allegro是由Rhymes AI推出的先进的文本到视频生成模型，能将简单的文本输入转换成高达720p分辨率、每秒15帧、长度达6秒的高质量视频内容。模型在视频生成领域中表现出色，具有优异的质量和时间一致性，能根据描述性的文本快速生成动态视觉内容，为内容创作者提供一种灵活、可控的视频创作方法。
2025-01-29 15:29:21
FakeShield – 北大推出检测图像伪造的多模态大语言模型框架
FakeShield是北京大学研究人员推出的多模态大型语言模型框架，能检测和定位图像伪造。框架能评估图像的真实性，生成被篡改区域的掩码，提供基于像素级和图像级篡改线索的判断依据。FakeShield用GPT-4o增强现有数据集，创建多模态篡改描述数据集（MMTDSet），用在训练篡改分析能力。
2025-01-29 15:08:33
MaskGCT – 趣丸科技联合香港中文大学推出的语音合成大模型
MaskGCT是趣丸科技与香港中文大学（深圳）合作推出的语音合成大模型，基于掩码生成模型与语音表征解耦编码的技术，实现在声音克隆、跨语种合成、语音控制等任务上的显著效果。模型在多个TTS基准数据集上达到行业领先的水平，某些性能指标甚至超过人类。
2025-01-29 14:44:44
人气排行
24小时排行
