AniTalker通过一个静态的肖像画和输入音频，生成生动多样的说话面部动画视频。该框架不仅仅着重于嘴唇同步这 […]
RayDINO 是一个基于人工智能的视觉模型，专门设计用于分析胸部X光图像。它采用了自监督学习方法，它可以在没 […]
TimesFM 是一种用于时间序列预测的先进工具。简单来说，时间序列预测就是基于过去的数据来预测未来事件的发生 […]
FunClip 是阿里巴巴通义实验室开源的一款视频剪辑工具，专门用于精准、便捷的视频切片。 它能够自动识别视频 […]
Refuel AI 最近推出了两个新版本的大语言模型 RefuelLLM-2 和 RefuelLLM-2-sm […]
宇树科技发布 Unitree G1 人形机器人，超大关节运动角度，23~34 个关节，结合力位混合控制，灵敏可 […]
VimTS，一种先进的文本检测工具，专门设计用于同时处理视频和图像中的文本。它通过一种新的方法来提高视频和图像 […]
RAFT（Retrieval Augmented Fine-tuning）是一种新的技术方法，用于改善大语言模 […]
OpenAI 刚刚发布了 GPT-4o，这是一种新的人工智能模式，集合了文本、图片、视频、语音的全能模型。 能 […]
混元DiT是腾讯推出的一款先进的文本到图像生成模型，它基于扩散变换器（Diffusion Transforme […]
Google 在其 2024 年 Google I/O 大会上发布的搜索中引入生成式 AI 的新功能。这些功能 […]
PaliGemma是一个开放的视觉语言模型（VLM），受PaLI-3启发，基于SigLIP视觉模型和Gemma […]
苹果公司今天宣布将于今年晚些时候推出新的辅助功能，其中包括眼动追踪（Eye Tracking）、音乐触感（Mu […]
通过手持式夹持器和精心设计的接口进行数据收集。 UMI可以将人类在复杂环境下的操作技能直接转移给机器人，无需人 […]
ReCap是一个创新的递归式视频字幕模型，能够自动分析视频内容，并在不同的时间层级上（如短片段、中等长度段落和 […]
Genie能够从单一图像提示生成无限种可玩（即可通过行动控制的）游戏场景。 这些图像可以是合成图像、真实照片， […]
OpenCodeInterpreter与之前的代码解释器不同的是，它不仅可以生成代码，还能根据人类的反馈学习如 […]
STORM（Synthesis of Topic Outlines through Retrieval and […]
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. […]
AniTalker通过一个静态的肖像画和输入音频，生成生动多样的说话面部动画视频。该框架不仅仅着重于嘴唇同步这 […]