MeloTTS是MyShell.ai开发的一个高质量的多语言文本到语音（TTS）库。它支持英语、西班牙语、法语 […]
一个开源的「贴纸生成器」 输入文字提示，即可在几秒钟生成一个精美的贴纸 Support authors and […]
MobiLlama：一个0.5B大小 能在手机上运行的小型语言模型 该模型基于LLaMA-7B架构设计，旨 […]
通过根据给定的文本提示、和弦序列、旋律线索、音乐主题或形式等条件。 ChatMusician能自动生成结构 […]
该项目由阿里巴巴开发，利用单张图像和音频输入（如说话或唱歌），EMO能够生成具有表情变化和头部动态的虚拟人像视 […]
AutoPrompt 是一个专为优化提示而设计的框架，目的是改善和完善在真实世界应用场景中使用的提示。这个框架 […]
StarCoder2拥有三种不同规模的模型，参数量分别为3B、7B和15B。特别地，15B参数的StarCod […]
LTX Studio是一个创新的平台，通过整合人工智能技术与视频制作过程，为创意人士提供了从概念构思到最终编辑 […]
Morph Studio最近引入了一个创新的工具，允许用户将Stability AI生成的视频片段编织成一部电 […]
Chat-With-MLX是利用苹果MLX Framework实现的一个高效、多语言支持进行检索增强生成（RA […]
Concordia是由Google DeepMind开发的一个创新性工具 它利用大语言模型可以构建和模拟具 […]
由于东南亚（SEA）地区语言多种多样，大多数现有的模型无法满足该地区需求。 Sailor基于Qwen 1. […]
兄弟们，你猜我发现了什么 原来OpenAI 3年前就开始搞AI音乐生成了 OpenAI在2019年8月 […]
OLMo（Open Language Model）与其他开源语言模型的不同之处在于其“完全开放的框架”。 […]
在文本到图像生成的领域中，精确渲染特定元素（如独特字符或风格）是一大挑战。现有的方法在有效组合多个低秩适应（L […]
OpenReplay：用户操作记录回放 OpenReplay是一个自托管的会话回放和分析的开源工具，可以让 […]
Easy Scraper 是一个在Chrome 免费网页抓取扩展，只需一次点击从任何网站抓取数据。使得数据抓取 […]
它可以将屏幕截图转换为干净的代码，支持HTML/Tailwind CSS、React、Bootstrap或Vu […]
人像照明重塑（Portrait Relighting）是一种数字图像处理技术，它允许在不改变原始拍摄环境的情况 […]
微软将在4月下旬发布OneDrive Copilot。 OneDrive Copilot将扮演类似研究助理的角 […]
DataDreamer是一个开源Python库，旨在简化大型语言模型(LLM)的集成和使用。在现代应用中，从合 […]
D-ID推出D-IDAgent功能：克隆自己的数字分身 选择一个形象或者上传自己照片，上传自己的声音或克隆 […]
Verce发布新的AI SDK 3.0 推出生成式UI功能 这是一种开源的生成式UI技术，允许开发者创建丰富的 […]
Multimodal ArXiv是一个旨在提高大型视觉语言模型（LVLMs）科学理解能力的数据集项目。该项目由 […]
Relightful Harmonization是由Adobe和纽约大学合作开展的一项研究项目，这项技术的核心 […]
Stability AI 与 Tripo AI 合作开发了 TripoSR，这是一个受到最新研究 LRM（大型 […]
Anthropic公司宣布推出Claude 3模型系列，性能全面超越GPT4，具有多模态度能力，推理能力和人类 […]
WeWe-RSS是一个开源项目，旨在提供一种更优雅的微信公众号订阅方式。它支持私有化部署以及基于微信读书的微信 […]
Comflowyspace是一个用于生成AI图像和视频的开源工具，它比现有的SDWebUI和ComfyUI更易 […]
Puter项目是一个高级的开源浏览器内桌面环境，旨在提供丰富的功能、异常快速的性能和高度的可扩展性。它可以用于 […]
MeloTTS是MyShell.ai开发的一个高质量的多语言文本到语音（TTS）库。它支持英语、西班牙语、法语 […]