AI News

AiNiee 是一款AI翻译工具，能一键自动翻译RPG、SLG游戏、Epub、TXT格式的小说、Srt、Lrc字幕文件等。工具支持多格式文件，接入多个主流AI接口平台，如OpenAI...

ANTO是一款开源的Windows桌面字幕翻译工具，用于翻译SRT格式的视频字幕文件。集成多种翻译引擎，如谷歌翻译、DeepL、微软翻译、百度翻译和有道翻译等，用户根...

OpenMusic 是一款基于 QA-MDT（Quality-aware Masked Diffusion Transformer）技术的高质量文生音乐模型。基于先进的AI算法，根据文本描述生成高质量的音乐作...

SFR-RAG是由Salesforce AI Research推出的一款大型语言模型，专注于提升机器在理解和生成文本方面的应用能力。模型特别强调对上下文的忠实理解，在检索增强生...

oneWebot2是一款微信AI机器人一键运行软件包，用户下载exe文件后，双击即可启动，无需复杂的Python环境配置。有图形化界面，简化配置流程，非技术用户轻松设...

GOT-OCR 2.0是一种先进的光学字符识别（OCR）模型，推动OCR技术进入2.0时代。GOT-OCR 2.0端到端的模型由高压缩编码器和长上下文解码器组成，能处理包括文本、...

豆包PixelDance是字节跳动最新推出的AI视频生成模型，采用DiT结构，支持文生视频和图生视频。它能理解复杂指令，生成长达10秒的连贯视频片段，涵盖多主体交互...

豆包Seaweed是字节跳动推出的AI视频生成模型，支持文生视频和图生视频两种模式。基于Transformer结构，利用时空压缩技术进行训练，原生支持多分辨率输出，适...

PortraitGen是中国科学技术大学研究团队推出的一款AI人像视频编辑工具。基于3D高斯溅射技术和神经高斯纹理机制，将2D人像视频转换为4D高斯场，实现高质量的3D...

MMMLU（多语言大规模多任务语言理解）是由OpenAI推出的一个开源数据集，旨在评估和提升人工智能模型在不同语言、认知和文化背景下的性能而设计。MMMLU建立在...

Llama 3.2是Meta公司最新推出的开源AI大模型系列，包括小型和中型视觉语言模型（11B和90B参数）以及轻量级纯文本模型（1B和3B参数）。Llama 3.2模型专为边缘...

MIMO是阿里巴巴集团智能计算研究所推出的可控角色视频合成的新型AI框架，基于空间分解建模技术，将2D视频转换为3D空间代码，实现对角色、动作和场景的精确控...

豆包AI视频模型是字节跳动推出的两款AI视频生成大模型：PixelDance 和 Seaweed 。PixelDance基于DiT结构，擅长理解复杂指令，生成连贯、多主体交互的视频片段...

美图奇想大模型（MiracleVision）是美图公司推出的一款AI视觉大模型，专注于美学创作，包括东方美学、人像和商业设计等。模型完成了视频生成能力的全面升级，...

SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检测框架，保护用户隐私的同时检测音频伪造。采用基于神经音频编解码器的解耦模型，分离语音的声学信息和...

PDF2Audio 是一个开源工具，能将 PDF 文档转换成音频内容，适合制作播客、讲座或摘要。它基于 OpenAI 的 GPT 模型生成播客脚本，通过文本到语音技术转化为音频。

GraphReasoning是一种基于人工智能技术将大量科学论文转换成知识图谱的方法。通过结构化分析，计算节点度、识别社区及其连通性，评估关键节点的中心性，来揭...

Comic Translate 是一个开源的漫画翻译工具，由开发者 ogkalu2 推出。帮助用户自动翻译全球各地的漫画，支持英语、韩语、日语、法语、简体中文、繁体中文、俄...

PearAI 是一个开源的 AI 驱动的代码编辑器，基于 Visual Studio Code (VSCode) 开发。PearAI 集成AI技术，减少编程工作量提高开发效率。PearAI 支持开发者直...

EzAudio是由约翰霍普金斯大学和腾讯AI实验室共同推出的一款文本到音频（Text-to-Audio, T2A）生成模型。基于一种高效的扩散变换器技术，用在从文本提示生成高...

FLUX-Controlnet-Inpainting 是阿里妈妈（Alibaba's Alimama）推出的一款图像修复工具，融合 ControlNet 和 FLUX.1-dev 技术。工具根据用户指定的掩码区域进...

Rope是一款开源的AI换脸工具，基于insightface的inswapper_128模型构建，提供一个用户友好的图形界面。用户通过上传图片或视频，在几秒钟内完成换脸操作，效...

Westlake-Omni 是西湖心辰推出的全球首个开源中文情感端到端语音交互大模型。模型采用离散表示法，统一文本和语音模态的处理，特别强调实时性，快速响应用户...

AutoGen Studio 是微软研究院推出的一款开源界面工具，旨在简化多智能体系统的构建、调试和评估过程。AutoGen Studio提供一个基于 Web 的交互式界面和 Python...