最新AI教程资讯
Orpheus TTS – 开源AI语音合成系统，支持多种语音风格
Orpheus TTS 是基于 Llama-3b 架构的开源文本到语音（TTS）系统。Orpheus TTS 支持生成自然、富有情感且接近人类水平的语音，具备零样本语音克隆能力，无需预训练，模仿特定语音。Orpheus TTS 延迟低至约 200 毫秒，适合实时应用。
2025-04-27 19:28:13
o1-pro – OpenAI 推出的升级版推理模型
o1-pro是 OpenAI 正式推出的 o1 系列的升级版本，o1-pro 是目前 OpenAI 最强大的推理模型，核心优势在于显著提升的计算能力，能更好地应对复杂问题，提供更一致且高质量的响应。o1-pro 仅向特定开发者（Tier 1–5）开放。
2025-04-27 19:08:13
Crack Coder – AI技术面试工具，提供实时编程问题支持
Crack Coder 是开源的隐形 AI 辅助工具，专为技术面试设计。Crack Coder支持在后台运行，完全隐形，无法被屏幕录制或监控软件检测到。Crack Coder提供实时 AI 编程辅助，支持多种编程语言（如 Java、Python、JavaScript 等），给出精准的上下文代码建议。
2025-04-27 18:48:13
YT Navigator – AI YouTube 内容搜索工具，自然语言查询定位关键信息
YT Navigator 是 AI 驱动的 YouTube 内容搜索工具，帮助用户高效地搜索和浏览 YouTube 频道内容。YT Navigator自然语言查询功能，让用户快速定位到特定频道视频中的相关信息，且提供精准的时间戳，无需手动观看大量视频。
2025-04-27 18:28:13
Step-Video-TI2V – 阶跃星辰开源的图生视频模型
Step-Video-TI2V 是阶跃星辰（StepFun）推出的开源图生视频（Image-to-Video）生成模型，拥有 300 亿参数，能根据文本描述和图像输入生成最长 102 帧的视频。模型基于深度压缩的变分自编码器（Video-VAE），实现了 16×16 的空间压缩和 8× 的时间压缩，显著提高了训练和推理效率。
2025-04-27 18:08:13
Dify-Plus – 基于 Dify 二次开发的企业级增强版项目
Dify-Plus 是基于 Dify 二次开发的企业级增强版项目，集成基于 gin-vue-admin 的管理中心。Dify-Plus在 Dify 基础上新增用户额度、密钥额度、Web 公开页登录鉴权、应用中心等功能，优化了权限管理，适合企业场景使用。
2025-04-27 17:48:13
gpt-4o-transcribe – OpenAI 推出的语音转文本模型
gpt-4o-transcribe是 OpenAI 推出的高性能语音转文本模型。基于最新的语音模型架构，用海量多样化音频数据训练，精准捕捉语音细微差别，显著降低单词错误率（WER），优于前代 Whisper 模型。模型支持多种语言和方言，适合处理口音多样、环境嘈杂、语速变化等复杂场景，如呼叫中心、会议记录等。
2025-04-27 17:28:13
GPT-4o mini TTS – OpenAI 推出的文本转语音模型
GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持将文本内容转换为自然流畅语音的同时，开发者能用指令控制语音的语调、情感和风格，例如“平静”“鼓励”“严肃”等，适应不同场景需求。模型基于先进语音合成技术，生成高质量语音输出，支持多种语言及不同性别、年龄和口音的语音，满足多样化用户需求。
2025-04-27 17:08:13
福棠·百川 – 百川智能联合北京儿童等推出的儿科大模型
福棠·百川是是国家儿童医学中心、首都医科大学附属北京儿童医院联合百川智能、小儿方健康共同发布的全球首个儿科大模型。覆盖了儿童常见病及疑难病症的立体化知识体系，具备强大的儿科临床推理能力，首创儿科“循证模式”，能像专业儿科医生一样整合最佳医学证据，为患儿制定科学、个性化的诊疗方案。
2025-04-27 16:48:13
Agent TARS – 字节跳动开源的多模态 AI Agent 项目
Agent TARS 是字节跳动开源的多模态 AI 代理工具。基于视觉解释网页内容，与浏览器、命令行和文件系统无缝集成，实现复杂任务的规划与执行。Agent TARS 提供桌面客户端，展示多模态元素和对话流程。Agent TARS凭借开源特性和强大的工具集成能力，成为 AI 辅助任务执行和研究的强大工具。
2025-04-27 16:28:13
gpt-4o-mini-transcribe – OpenAI 推出的语音转文本模型
gpt-4o-mini-transcribe 是 OpenAI 推出的语音转文本模型，gpt-4o-transcribe的精简版。gpt-4o-mini-transcribe 基于 GPT-4o-mini 架构，用知识蒸馏技术从大模型中转移能力，实现更小的模型体积和更高的运行效率，适合在资源受限的设备（如移动设备或嵌入式系统）上运行，满足实时性要求较高的应用场景。
2025-04-27 16:08:13
Multi-Agent Orchestrator – 亚马逊开源的多智能体框架
Multi-Agent Orchestrator 是用于管理和协调多个智能代理（Agent）的框架。通过分类器识别用户输入的意图，将请求分配给最适合的代理进行处理，通过对话存储保持上下文连贯性。支持多种类型的代理，如基于大语言模型（LLM）的代理和基于规则的代理，具有高度的灵活性和可扩展性。
2025-04-27 15:28:13
龙猫LongCat – 美团自主研发的生成式AI大模型
LongCat（龙猫）是美团自主研发的生成式AI大模型，通过人工智能技术提升公司内部工作效率和创新能力。模型具备强大的多模态能力，能处理文本、图像等多种数据类型，在生成任务上表现出色，例如快速生成图片、视频脚本、代码等。
2025-04-27 15:08:13
食神 – 老板电器推出的首个烹饪大模型
食神是老板电器推出的首个烹饪垂直领域大模型。基于老板电器46年积累的海量烹饪数据，结合DeepSeek技术，能精准理解烹饪场景需求。用户可通过语音、文字等方式与“食神”交互，获取个性化菜谱推荐、健康膳食规划等服务。
2025-04-27 14:48:13
Soundwave – 港中文深圳开源的语音理解大模型
Soundwave是香港中文大学（深圳）开源的语音理解大模型，专注于语音与文本的智能对齐和理解。通过创新的对齐适配器和压缩适配器技术，有效解决了语音和文本在表示空间上的差异，实现了高效的语音特征压缩，能更好地处理语音任务。
2025-04-27 14:28:13
Motia – AI Agent 开发框架，支持多种编程语言、一键部署智能体
Motia 是专为软件工程师设计的 AI Agent 框架，简化 AI 智能体的开发、测试和部署过程。支持多种编程语言，如 Python、TypeScript 和 Ruby，开发者可以使用熟悉的语言编写智能体逻辑，无需学习专有领域特定语言。
2025-04-27 14:08:13
InfiniteYou – 字节跳动开源的身份保持图像生成框架
InfiniteYou（InfU）是字节跳动智能创作团队推出的基于扩散变换器（Diffusion Transformers，如 FLUX）的身份保持图像生成框架。基于 InfuseNet 将身份特征注入扩散模型，增强身份相似度，保持图像生成能力。
2025-04-27 13:48:13
RuoYi AI – 全栈式 AI 开发平台，快速搭建个性化 AI 应用
RuoYi AI 是全栈式 AI 开发平台，提供完整的前端、后台管理及小程序应用，支持灵活修改和分发代码。RuoYi AI 支持本地 RAG 方案，集成 Milvus Weaviate 等向量库，保障数据隐私与性能。平台内置 SSE、websocket 等网络协议，能对接 OpenAI、ChatGLM 等数十种大语言模型。
2025-04-27 13:28:13
MoshiVis – Kyutai 开源的多模态实时语音模型
MoshiVis 是 Kyutai 推出的开源多模态语音模型，基于 Moshi 实时对话语音模型开发，增加了视觉输入功能。能实现图像的自然、实时语音交互，将语音和视觉信息相结合，让用户可以通过语音与模型交流图像内容。
2025-04-27 13:08:13
DeepMesh – 清华和南洋理工推出的 3D 网格生成框架
DeepMesh 是清华大学和南洋理工大学研究人员提出的 3D 网格生成框架，基于强化学习和自回归变换器生成高质量的 3D 网格。通过两项关键创新来优化网格生成：一是高效的预训练策略，结合了新型标记化算法和改进的数据处理流程；二是引入强化学习（特别是直接偏好优化，DPO），实现生成网格与人类偏好的对齐。
2025-04-27 12:48:13
人气排行
24小时排行
