最新AI教程资讯
Piece it Together – Bria AI等机构推出的图像生成框架
Piece it Together （PiT）是Bria AI等机构推出的创新图像生成框架，专门用在从部分视觉组件生成完整的概念图像。基于特定领域的先验知识，将用户提供的碎片化视觉元素无缝整合到连贯的整体中，智能补充缺失的部分，生成完整且富有创意的概念图像。
2025-04-26 12:35:39
TripoSR – Stability AI 联合 VAST 开源的 3D 生成模型
TripoSR是Stability AI和VAST联合推出的开源3D生成模型，能在不到0 5秒内从单张2D图像快速生成高质量的3D模型。模型基于Transformer架构，采用了大型重建模型（LRM）的原理，对数据处理、模型设计和训练技术进行了多项改进。
2025-04-26 12:15:39
ModelEngine – 华为开源的全流程 AI 开发工具链
ModelEngine 是华为开源的全流程 AI 开发工具链，围绕数据使能、模型使能和应用使能三大核心功能展开，解决 AI 行业化落地过程中数据工程耗时长、模型训练和应用落地难的关键问题。
2025-04-26 11:55:39
BizGen – 清华大学联合微软推出的AI信息图生成工具
BizGen是清华大学和微软研究院联合推出的AI信息图生成工具，专注于文章级别的视觉文本渲染。能一键将长篇文章内容转化为专业级的信息图和幻灯片，解决传统工具在处理长文本时文字模糊、排版混乱的问题。
2025-04-26 11:35:39
Ideogram 3.0 – Ideogram推出的 AI 图像生成模型
Ideogram 3 0 是Ideogram推出的 AI 图像生成模型。Ideogram 3 0在图像生成质量上实现飞跃，具备高度的真实感、出色的文本渲染和强大的语言理解能力，支持生成复杂场景和精细的光影色彩效果。用户基于上传参考图像或随机风格探索功能，快速指定难以用文字描述的美学风格，实现更高效、更具表现力的创作流程。
2025-04-26 11:15:39
QVQ-Max – 阿里通义推出的视觉推理模型
QVQ-Max 是阿里通义推出的视觉推理模型，是QVQ-72B-Preview的正式升级版。QVQ-Max能“看懂”图片和视频内容，结合信息进行分析、推理和解决问题。QVQ-Max支持应用于学习、工作和生活场景，如解答数学难题、协助数据分析、提供穿搭建议等。
2025-04-26 10:55:39
TxGemma – 谷歌推出的通用医学治疗大模型
TxGemma 是谷歌推出的用于药物发现的通用人工智能模型，通过 AI 技术加速药物研发进程。基于 Google 的 Gemma 框架开发，能理解常规文本以及化学物质、分子和蛋白质等治疗实体的结构。研究人员可以通过 TxGemma 预测潜在新疗法的关键特性，如安全性、有效性和生物利用度。
2025-04-26 10:35:40
TripoSG – VAST AI 开源的高保真 3D 形状合成技术
TripoSG 是 VAST-AI-Research 团队推出的基于大规模修正流（Rectified Flow, RF）模型的高保真 3D 形状合成技术， 通过大规模修正流变换器架构、混合监督训练策略以及高质量数据集，实现了从单张输入图像到高保真 3D 网格模型的生成。
2025-04-26 10:15:39
TripoSF – VAST AI 开源的新一代 3D 基础模型
TripoSF是VAST推出的新一代3D基础模型，突破传统3D建模在细节、复杂结构和扩展性上的瓶颈。采用SparseFlex表示方法，结合稀疏体素结构，仅在物体表面附近的区域存储和计算体素信息，大幅降低内存占用，支持高分辨率训练和推理。
2025-04-26 09:55:39
PhysGen3D – 清华等高校联合推出的单图创建交互式 3D 场景
PhysGen3D 是创新的框架，能将单张图像转换为交互式的 3D 场景，生成具有物理真实感的视频。结合了基于图像的几何和语义理解以及基于物理的模拟，通过从单张图像中推断物体的 3D 形状、姿态、物理和光照属性，创建出以图像为中心的数字孪生。
2025-04-26 09:35:39
DistilQwen2.5-R1 – 阿里推出的小型系列深度推理模型
DistilQwen2 5-R1 是阿里巴巴推出的基于知识蒸馏技术的小型化系列深度推理模型，包含3B、7B、14B和32B四个参数量级的模型。DistilQwen2 5-R1将超大规模模型（如 DeepSeek-R1）的推理能力迁移到较小的模型中，实现更高的计算效率和更低的资源消耗。
2025-04-25 17:14:29
PaddleSpeech – 百度飞桨团队开源的语音处理工具
PaddleSpeech 是百度飞桨团队开源的语音处理工具，提供全面的语音处理功能，包括语音识别、语音合成、声纹识别、语音翻译等。PaddleSpeech提供命令行界面、服务器和流式服务器等多种接口，方便快速上手。
2025-04-25 16:54:28
ChatAnyone – 阿里通义推出的实时风格化肖像视频生成框架
ChatAnyone是阿里巴巴通义实验室推出的实时风格化肖像视频生成框架。通过音频输入，生成具有丰富表情和上半身动作的肖像视频。采用高效分层运动扩散模型和混合控制融合生成模型，能实现高保真度和自然度的视频生成，支持实时交互，适用于虚拟主播、视频会议、内容创作、教育、客户服务、营销、社交娱乐、医疗健康等众多场景。
2025-04-25 16:34:28
Math24o – SuperCLUE 开源的高中奥林匹克数学竞赛推理测评基准
Math24o 是中文大模型测评基准 SuperCLUE 开源的高中奥林匹克数学竞赛级别的数学推理测评基准。主要用于评估大型语言模型在数学推理方面的能力。使用2024年全国高中数学竞赛的部分预赛试题，包含21道高难度解答题，答案唯一且为整数或小数。
2025-04-25 16:14:28
RoboBrain – 智源研究院开源的具身大脑模型
RoboBrain是智源研究院推出的开源具身大脑模型，推动单机智能迈向群体智能。由三个模块组成：用于任务规划的基座模型、用于可操作区域感知的A-LoRA模块和用于轨迹预测的T-LoRA模块。
2025-04-25 15:54:28
RoboOS – 智源研究院推出的首个跨本体具身大小脑协作框架
RoboOS是智源研究院推出的首个跨本体具身大小脑协作框架。基于“大脑-小脑”分层架构，具身大脑RoboBrain负责全局感知与决策，小脑技能库负责低延迟精准执行，跨机器人数据中枢则实时共享空间、时间和本体记忆，形成感知-认知-决策-行动的闭环。
2025-04-25 15:34:28
Vidu Q1 – 生数科技推出的高可控视频大模型
Vidu Q1 是清华大学人工智能研究院副院长、生数科技创始人兼首席科学家朱军教授团队推出的高可控视频大模型。在多主体细节可控、音效同步可控、画质增强等方面取得了显著成效。Vidu Q1 支持对场景中多主体的位置、大小、运动轨迹等属性进行精准调整，能在时间轴上打点标注音效类型与时长，同步精度达±0 1秒。
2025-04-25 15:14:28
ObjectMover – 港大联合 Adobe 推出的新型图像编辑模型
ObjectMover 是香港大学和 Adobe Research 联合提出的新型图像编辑模型，解决图像中物体移动、插入和移除时出现的光照、阴影不协调以及物体失真等问题。将物体移动视为两帧视频的特殊案例，利用预训练视频生成模型的跨帧一致性学习能力，通过微调模型将其迁移到图像编辑任务。
2025-04-25 14:54:28
EmotiVoice – 网易有道开源的AI语音合成系统
EmotiVoice是网易有道开源的多语言、多声音和提示控制的文本到语音（TTS）系统。EmotiVoice支持英语和中文，提供超过2000种声音，支持基于提示生成带有不同情感（如开心、悲伤、愤怒等）的语音。
2025-04-25 14:14:28
Vibe Draw – AI 3D建模工具，涂鸦草图一键转为3D模型
Vibe Draw是开源的 AI 3D建模工具，支持将用户在2D画布上绘制的涂鸦草图转化为精美的3D模型。用户能用文本提示或继续绘制迭代优化模型，一键导出为标准格式（ glTF）。Vibe Draw打破技术门槛，让任何人无需专业技能轻松实现3D创意。
2025-04-25 13:54:28
人气排行
24小时排行
