AI News

Loong是由香港大学和字节跳动联合推出的一种新型长视频生成模型，能生成外观一致、动态丰富、场景过渡自然的分钟级长视频。模型基于自回归大型语言模型（LLM...

ScriptViz是由斯坦福大学研究人员推出的一款剧本可视化辅助工具，基于大型电影数据库MovieNet，根据剧本文本和对话检索出相匹配的电影画面，将编剧的文字描述...

MLE-bench 是 OpenAI 推出的一个基准测试工具，旨在衡量AI代理（AI Agent）在机器学习工程任务中的表现。测试包含75个来自 Kaggle 的竞赛任务，覆盖自然语言...

GTSinger是由浙江大学研究团队推出的大型开源高质量歌声数据集，旨在支持多样化的歌声任务。GTSinger包含80.59小时的专业录音棚录制的歌声，涵盖九种不同语言...

LightRAG是由香港大学研究团队推出的一种检索增强生成（Retrieval-Augmented Generation, RAG）系统，基于整合图结构索引和双层检索机制，提升大型语言模型在...

Gen2Act是由谷歌、卡内基梅隆大学和斯坦福大学共同推出的一种机器人操作策略，基于预测网络数据中的运动信息来生成人类视频，并将视频用在引导机器人执行新任...

T2V-Turbo是一种先进的文本到视频生成模型，由Google、UC Santa Barbara（加利福尼亚大学圣塔芭芭拉分校）、和University of Waterloo（滑铁卢大学）的研究人...

FLUX.1-Turbo-Alpha是阿里妈妈创意团队基于FLUX.1-dev模型训练的8步蒸馏Lora模型。基于多头判别器技术，升图像生成的质量，支持文本到图像的生成及修复控制网...

OpenR是一个由伦敦大学学院（UCL）、上海交通大学、利物浦大学、香港科技大学（广州）和西湖大学联合开源的全链条训练框架，旨在提升大型语言模型（LLM）的复...

Agent-S 是创新的代理框架，旨在基于图形用户界面（GUI）实现人机交互的自动化。Agent-S 基于模拟人类的操作方式，用鼠标和键盘直接与计算机交互，处理复杂的...

Adobe Firefly 是 Adobe 推出的一系列创意生成式 AI 模型，旨在帮助用户扩展其天生的创造力。这些模型集成在 Adobe 的旗舰应用程序和 Adobe Stock 中，支持的...

Augmented Physics是一个创新的教育工具，基于集成机器学习技术，将物理教科书中的静态图表转换成互动式和嵌入式的物理模拟。工具基于先进的计算机视觉技术，...

podlm-public是一个开源AI播客工具，旨在创建一个中文版的NotebookLM替代品，专门用在将任意URL转换成播客内容，再推送到小宇宙平台。项目基于先进的AI技术，...

Yi-Lightning 是零一万物公司最新发布的旗舰模型，在国际权威盲测榜单 LMSYS 上取得了显著成绩，超越了硅谷知名 OpenAI 的 GPT-4o-2024-05-13 和 Anthropic C...

FunASR是由阿里巴巴达摩院开源的语音识别工具包，提供包括语音识别（ASR）、语音活动检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离及多说话人ASR...

CleanS2S是一个流式语音到语音（S2S）交互智能体原型，提供高质量、实时的语音交互体验。CleanS2S项目基于单文件实现，简化配置和理解过程，便于用户和研究人...

Hallo2是复旦大学、百度公司和南京大学共同推出的音频驱动视频生成模型。能将单张参考图片和持续几分钟的音频输入结合起来，基于可选的文本提示调节肖像表情...

模型判官是一个基于 Next.js 构建的在线AI模型评测平台，用户输入问题并选择多个AI模型进行测试，帮助用户快速识别出最适于需求的AI模型。平台的特色在于，提...

AgentStack是一个开源工具，旨在帮助开发者快速构建AI代理项目。基于提供一个预配置的模板和集成流行的代理框架及大型语言模型（LLM）提供商，简化从零开始创...

Marco是阿里国际最新推出的大规模商用翻译大模型，支持15种全球主流语种，包括中、英、日、韩、西、法等。在BLEU评测指标上超越Google翻译、DeepL、GPT-4等竞...

Ministral 3B和8B是由Mistral AI推出的两款新型AI小模型，专为设备端计算和边缘使用场景设计。在知识、常识、推理、功能调用和效率方面为10亿参数以下的类别...

TANGO 是一个由东京大学和 CyberAgent AI Lab 共同推出的开源框架，专注于生成与目标语音同步的全身手势视频。基于分层音频运动嵌入和扩散插值网络，将目标语...

Nemotron-70B-Instruct 是英伟达（NVIDIA）发布的一个大型语言模型，基于一种新颖的混合训练方法提升模型遵循指令时的响应质量和一致性。模型结合Bradley-Ter...

SANA是由NVIDIA、麻省理工学院和清华大学共同推出的文本到图像生成框架，能高效地生成高达4096×4096分辨率的高清晰度图像。SANA基于深度压缩自编码器、线性扩...