该项目是一个实时打字翻译软件，提供语音实时打字、语音实时翻译功能，尤其适用于游戏（如LOL）的语音打字输入。其 […]
Meta AI推出 AI Studio 平台，让用户可以创建、分享和发现 AI 角色。这个平台基于 Llam […]
生数科技的 Vidu 模型直接开放了 官方称不到30秒可以生成一个4秒钟的视频… 根据演示视频来看，效果还不错 […]
Mem0为大语言模型提供了一层智能的、自我改进的记忆层，用于大语言模型（LLM），以实现跨应用程序的个性化AI […]
多模态大语言模型（MLLMs）已经在理解图像和文本方面取得了很大的进展，但在如何表示和整合这两种类型的信息方面 […]
Live_Portrait_Monitor 基于快手的这个 LivePortrait 项目，实现了摄像头驱动图 […]
WayveScenes101 是一个用于自动驾驶应用的高分辨率图像数据集，主要用于新视角合成（novel vi […]
AudioNotes 是一个基于 FunASR 和 Qwen2 构建的音视频内容转结构化笔记系统。它的主要功能 […]
Unique3D 是一个创新的图像到3D框架，可以从任意对象的单一正交RGB图像中生成高保真3D纹理网格，生成 […]
微软正式推出 Microsoft Designer，这是一款创新的设计应用程序，利用人工智能技术赋予用户全新的 […]
Mistral AI 宣布发布 Mistral NeMo，这是一个由 NVIDIA 协作开发的 12B 参数模 […]
StockBot由Llama3-70B模型驱动，运行在Groq上，能够提供实时股票图表、财务数据、新闻的聊天机 […]
MUSCLE（Model Update Strategy for Compatible LLM Evoluti […]
IMAGDressing-v1 是一个自定义虚拟试衣系统，可生成可自由编辑的人像图像。该系统主要面向商家，帮助 […]
ElevenLabs 推出了新款 Turbo 2.5 模型。 支持印地语、法语、西班牙语、普通话和其他共32 […]
OpenAI推出了GPT-4o mini模型，用来取代GPT-3.5，这是目前市场上最具成本效益的小模型。 该 […]
TCAN项目致力于创建一个能够根据视频姿态生成一致性人像动画的方法。 也就是通过从视频中提取人物姿态动作，然后 […]
SmolLM 是由 Hugging Face 推出的一个小型语言模型系列，具有 135M、360M 和 1.7 […]
研究表明，仅通过优化链式思维（Chain-of-Thought, CoT）来解答问题，仅仅追求答案的正确性，可 […]
DETECT-2B 是由 Resemble AI 开发的一种先进的音频深度伪造检测工具。它旨在快速、准确地识别 […]
Baptiste Adrien 在X上介绍了其正在使用 @vercel 和 @nextjs 技术，开发一个 R […]
由电影制作人和科学家共同打造的Flawless公司，可能终于跨越了内容配音的“恐怖谷”（Uncanny Val […]
Mistral 通过 Mamba 2架构训练了一个7B 的代码模型：Codestral Mamba，以及新推出 […]
阿里巴巴发布了一个音频处理模型：Qwen2-Audio ，它可以通过语音聊天和音频分析两种方式与用户互动。在语 […]
又一个AI搜索引擎诞生：Exa AI。该公司最近宣布获得了1700万美元的A轮融资，由Lightspeed领投 […]
H2O-Danube3 是一个由 H2O.ai 开发的一系列小型语言模型。这些模型旨在提供高效的自然语言处理能 […]
微软研究团队提出了一种新的方法，旨在帮助大语言模型（如GPT-4）更好地理解和处理电子表格数据。传统方法在处理 […]
AutoGPT是一个开源工具，旨在简化创建和使用AI代理的过程。用户可以通过一个简单的图表式界面设计代理，并在 […]
RenderNet Al是一款强大的图像生成工具，专注于创建一致的角色，并控制其姿势、构图和风格。 现在推出了 […]
StreamVC 是由Google开发的一个实时语音转换系统，可以在不改变语音内容和语调的情况下，改变说话者的 […]
该项目是一个实时打字翻译软件，提供语音实时打字、语音实时翻译功能，尤其适用于游戏（如LOL）的语音打字输入。其 […]