最新AI教程资讯
AnimeGamer – 腾讯联合香港城市大学推出的动漫生活模拟系统
AnimeGamer 是腾讯 PCG 和香港城市大学共同推出的无限动漫生活模拟系统。基于多模态大语言模型（MLLM），支持玩家基于开放式的语言指令，用动漫角色的身份沉浸于动态游戏世界中。
2025-04-20 15:07:06
Awesome MCP Servers – 开源的MCP资源聚合平台，覆盖多个垂直领域
Awesome MCP Servers 是开源项目，汇集各种基于 Model Context Protocol (MCP) 的服务器。Awesome MCP Servers 整理超过 3000 个 MCP 服务器，覆盖浏览器自动化、金融、游戏、安全、科研等20多个垂直领域，支持本地和云服务部署。
2025-04-20 14:47:06
ACTalker – 港科大联合腾讯、清华推出的端到端视频扩散框架
ACTalker 是用于生成逼真说话人头部视频的端到端视频扩散框架。支持单信号或多信号控制，如音频、表情等。核心架构包括并行 Mamba 结构，通过多个分支利用不同驱动信号分别控制面部区域，基于门控机制和掩码丢弃策略，实现灵活且自然的视频生成。
2025-04-20 14:27:06
SkyReels-A2 – 昆仑万维推出的可控视频生成框架
SkyReels-A2是昆仑万维推出的可控视频生成框架，支持根据文本提示将任意视觉元素（如人物、物体、背景）组合成合成视频，严格保持与每个元素的参考图像的一致性。
2025-04-20 14:07:06
ChildMandarin – 智源联合南开开源的低幼儿童中文语音数据集
ChildMandarin 是智源研究院联合南开大学计算机学院人类语言技术实验室（HLT Lab）共同推出的，针对3-5岁儿童的普通话语音数据集。数据集包含41 25小时的语音数据，来自397名儿童，覆盖中国22个省级行政区，性别分布均衡。
2025-04-20 13:47:06
MagicColor – 香港科技大学推出的多实例线稿图着色框架
MagicColor 是香港科技大学推出的多实例线稿图着色框架，支持高效地为线稿图添加色彩。MagicColor基于自监督训练策略和实例引导模块，解决多实例数据不足的问题，实现精准的实例级色彩控制。
2025-04-20 13:27:06
Step-R1-V-Mini – 阶跃星辰最新推出的多模态推理模型
Step-R1-V-Mini 是阶跃星辰最新推出的多模态推理模型。支持图文输入和文字输出，具备良好的指令遵循和通用能力，能高精度感知图像完成复杂推理任务。模型在视觉推理领域表现突出，同时在数学、代码和文本推理方面也处于第一梯队。
2025-04-20 13:07:06
SeniorTalk – 智源联合南开开源的超高龄老年人中文对话语音数据集
SeniorTalk 是智源研究院联合南开大学计算机学院人类语言技术实验室（HLT Lab）推出的全球首个中文超高龄老年人对话语音数据集。数据集包含202位75岁及以上超高龄老年人的语音数据，总时长达到 55 53小时。
2025-04-20 12:47:06
HiDream-I1 – 智象未来开源的文生图模型
HiDream-I1是 HiDream ai 团队推出的开源图像生成模型，拥有17亿参数，采用MIT许可证。模型在图像生成质量、提示词遵循能力等方面表现出色，支持逼真、卡通、艺术等多种风格，适用于艺术创作、商业设计、教育科研等多个领域。
2025-04-20 12:27:06
GitHub MCP Server – GitHub推出基于 MCP 的服务器工具
GitHub MCP Server 是GitHub 官方推出的基于 Model Context Protocol (MCP) 的服务器工具，GitHub MCP Server能无缝集成 GitHub API，为开发者提供高级自动化和交互功能。支持开发者轻松实现自动化工作流。
2025-04-20 12:07:06
Nova Sonic – 亚马逊推出的新型生成式 AI 语音模型
Nova Sonic 是亚马逊推出的新型生成式 AI 语音模型。将语音理解与生成能力整合到一个模型中，能根据说话者的语调、风格等声学上下文调整生成的语音响应，对话更自然。Nova Sonic 支持多语言，目前对美国英语和英国英语的语音理解表现出色，支持多种说话风格和不同口音。
2025-04-20 11:47:06
DeepCoder-14B-Preview – Agentica 联合 Together AI 开源的代码生成模型
DeepCoder-14B-Preview 是 Agentica 和 Together AI 联合开源的大型代码生成模型，基于 Deepseek-R1-Distilled-Qwen-14B 微调而成。DeepCoder-14B-Preview基于分布式强化学习（RL）训练，在代码生成任务上表现出色。
2025-04-20 11:27:06
Dream-7B – 港大联合华为诺亚方舟开源的扩散推理模型
Dream-7B是香港大学和华为诺亚方舟实验室联合推出的扩散式推理模型，是目前最强大的开源扩散大语言模型。Dream-7B训练数据涵盖文本、数学和代码，预训练使用5800亿个标记，耗时256小时。
2025-04-20 11:07:06
Llama Nemotron – 英伟达推出的系列推理模型
Llama Nemotron是NVIDIA推出的一系列推理模型，专注于推理和多种智能代理（agentic AI）任务。模型基于Llama开源模型，经过NVIDIA的后训练，加入推理能力，在科学推理、高级数学、编程、指令遵循和工具调用等方面表现出色。
2025-04-20 10:47:06
Miracle F1 – 美图 WHEE 推出的 AI 图像生成模型
Miracle F1 是美图 WHEE 推出的全新AI图像生成模型。具备强大的图像生成能力，能像摄影师、建筑师和画家一样精准地处理光影、空间和材质效果，生成的图像真实感强，质感细腻，告别了传统 AI 图像的“塑料感”。
2025-04-20 10:27:06
Lipsync-2 – Sync Labs 推出的首个零-shot 嘴型同步模型
Lipsync-2 是 Sync Labs 推出的全球首个零-shot 嘴型同步模型。无需针对特定演讲者进行预训练，能即时学习并生成符合独特说话风格的嘴型同步效果。
2025-04-20 10:07:06
EasyControl – Tiamat AI 联合上海科大等开源的图像生成控制框架
EasyControl 是 Tiamat AI 开源的基于扩散变换器（Diffusion Transformer，DiT）架构的高效灵活控制框架，通过轻量级条件注入 LoRA 模块，独立处理条件信号，实现即插即用功能，兼容现有模型，支持零样本条件多模态预训练，提升模型灵活性和通用性。
2025-04-20 09:47:06
OmniSVG – 复旦大学联合 StepFun 推出端到端多模态矢量图形生成模型
OmniSVG 是复旦大学和 StepFun 联合开发的全球首个端到端多模态 SVG（可缩放矢量图形）生成模型。基于预训练视觉语言模型（VLM），通过创新的 SVG 标记化方法，将 SVG 命令和坐标参数化为离散令牌，实现了结构逻辑与几何细节的解耦。
2025-04-20 09:27:06
A2A – 谷歌开源的首个标准智能体交互协议
A2A（Agent2Agent）是谷歌开源的首个标准智能体交互协议，让不同框架和供应商构建的AI智能体相互协作。A2A基于标准化的通信方式，打破系统孤岛，让智能体安全地交换信息、协调行动。
2025-04-19 15:21:18
DCEdit – 北交大联合美图推出的双层控制图像编辑方法
DCEdit 是新型的双层控制图像编辑方法，是北京交通大学和美图2MT实验室联合推出的。DCEdit基于精确语义定位策略（PSL），用视觉和文本自注意力优化交叉注意力图，提供更精准的区域线索指导图像编辑。
2025-04-19 15:01:18
人气排行
24小时排行
