AI News

AgentGen是香港大学与微软联合推出的AI项目框架，通过自动生成多样化环境和任务，显著提升了大语言模型（LLM）的规划能力。AgentGen利用BI-EVOL方法，创建难...

MotionGen是元象科技推出的3D动作生成模型，结合了大模型、物理仿真和强化学习算法，支持用户仅通过简单文本指令即可快速生成逼真且流畅的3D动作。MotionGen...

新壹视频大模型是新壹科技推出的AI视频创作大模型，自研AI算法和深度学习技术，实现从剧本到成品的一键式创作。具备剧本生成、情感化语音合成、3D元素创建和...

GameNGen是谷歌推出的首个AI游戏引擎，能以每秒20帧的速度实时生成逼真的DOOM游戏画面，甚至让60%的玩家无法区分真假。GameNGen预示着游戏开发可能不再需要传...

GLM-4-Plus是智谱AI最新推出的高智能旗舰大模型，在语言理解和长文本处理上取得突破，采用创新技术如PPO，显著提升推理和指令遵循能力。GLM-4-Plus在多个关键...

书生·浦语是上海人工智能实验室推出的开源AI大模型，具有卓越的推理能力和超长文本处理功能。书生·浦语支持高达一百万词元的文本输入，能自主进行网络搜索并...

CogView-3-Plus是智谱AI最新推出的AI文生图模型，采用Transformer架构替代传统UNet，优化了扩散模型的噪声规划。CogView-3-Plus在图像生成方面表现出色，能根...

GLM-4V-Plus是智谱AI最新推出的多模态AI模型，专注于图像和视频理解。GLM-4V-Plus不仅能够精确分析静态图像，还具备动态视频内容的时间感知和理解能力，能捕...

MetaHuman-Stream 是一项前沿的实时交互流式AI数字人技术，集成了 ERNerf、MuseTalk、Wav2lip 等多种先进模型，支持声音克隆和深度学习算法，确保对话流畅自...

Qwen2-VL是阿里巴巴达摩院开源的视觉多模态AI模型，具备高级图像和视频理解能力。Qwen2-VL支持多种语言，能处理不同分辨率和长宽比的图片，实时分析动态视频...

ProPainter是南洋理工大学S-Lab团队推出的AI视频修复项目。通过结合双域传播和蒙版引导的稀疏视频Transformer，有效提高了视频修复的性能。ProPainter能自动...

auto-video-generator是AI自动解说视频生成器，能实现一键生成解说视频。用户只需输入主题，系统便自动撰写脚本、合成语音、生成图片并合成视频，极大提升内...

Roop 是开源的AI视频换脸工具，Roop支持用户通过一张图片替换视频中的面部，无需复杂的数据集或训练过程。安装和使用需要一定的技术技能，适合有一定基础的用...

VFusion3D 是由 Meta 和牛津大学的研究人员共同推出的AI生成3D模型项目，能从单张图片或文本描述中生成高质量的3D对象。VFusion3D 通过微调预训练的视频 AI ...

TurboEdit是Adobe Research 推出的AI即时图像编辑模型。通过编码器迭代反演和基于文本的精细控制，能够在几步内实现对图像的精确编辑。利用详细的文本提示，...

edge-tts是开源的AI文字转语音项目，支持超过40种语言和300多种声音。edge-tts利用微软Azure Cognitive Services的强大功能，能将文本信息转换成流畅自然的语...

Wav2Lip是开源的唇形同步工具，支持用户将音频文件转换成与口型同步的视频，广泛应用于视频编辑和游戏开发等领域。Wav2Lip不仅能够实现实时口型生成，还支持...

LM Studio 是一个本地大语言模型 (LLM) 应用平台，开源、傻瓜、一站式部署本地大模型。包括但不限于Llama、MPT、Gemma等，LM Studio 提供了一个图形用户界面...

AuraFlow v0.1是Fal团队推出的开源AI文生图模型，拥有6.8B参数量。优化了MMDiT架构，提升了模型的计算效率和可扩展性。AuraFlow擅长精准图像生成，尤其在物体...

LongWriter 是清华大学联合智谱AI推出的长文本生成模型，能生成超10,000字的连贯文本，项目已开源。通过分析现有大型语言模型的输出限制，创建了'LongWriter-...

源2.0-M32是浪潮信息推出的拥有32个专家的混合专家模型(MoE)。采用创新的'Attention Router'技术，提高了模型选择专家的效率和准确性。模型总参数量达40亿，...

Zion是一个零代码AI应用开发平台，通过可视化配置和拖拽式交互，大幅降低了应用开发的技术门槛。用户无需编程知识即可快速构建小程序、网站等应用。Zion集成...

Dify是开源的生成式AI应用开发平台，帮助用户快速构建和部署基于大语言模型的应用程序。支持多种主流模型，如 DeepSeek 和 Ollama，用户可以根据需求灵活选择...

Video-LLaVA2是由北京大学ChatLaw课题组研发的开源多模态智能理解系统，通过创新的时空卷积（STC）连接器和音频分支，提升了视频和音频理解能力。模型在视频...