AI项目和框架
AI工具集介绍和收录了当前流行的AI研究项目和框架，紧跟最新AI领域的进展，解读AI研究论文和方法框架，帮你快速了解这些项目的工作原理。
Wan2.2-S2V – 阿里通义开源的多模态视频生成模型
Wan2.2-S2V 是开源的多模态视频生成模型，仅需一张静态图片和一段音频，能生成电影级数字人视频，视频时长可达分钟级，且支持多种图片类型和画幅。
AI工具
1年前 (2025)
WhisperLiveKit – 开源AI语音识别工具，支持说话人识别
WhisperLiveKit 是开源的实时语音识别工具，能将语音实时转录为文字，支持说话人识别。工具基于先进的技术如 SimulStreaming 和 WhisperStreaming，提供超低...
AI工具
1年前 (2025)
SpatialLM 1.5 – 群核科技推出的空间语言模型
SpatialLM 1.5 是群核科技推出的强大的空间语言模型。模型基于大语言模型训练，能理解自然语言指令，输出包含空间结构、物体关系和物理参数的空间语言。用户...
AI工具
1年前 (2025)
SpatialGen – 群核科技开源的3D场景生成模型
SpatialGen 是群核科技开源的 3D 场景生成模型。模型基于扩散模型架构，支持根据文字描述、参考图像和 3D 空间布局，生成时空一致的多视角图像，且能进一步得...
AI工具
1年前 (2025)
EchoMimicV3 – 蚂蚁集团推出的多模态数字人视频生成框架
EchoMimicV3是蚂蚁集团推出的高效多模态、多任务数字人视频生成框架。框架拥有13亿参数，基于任务混合和模态混合范式，结合新颖的训练与推理策略，实现快速、...
AI工具
1年前 (2025)
VibeVoice – 微软推出的开源文本转语音模型
VibeVoice 是微软推出的新型文本到语音（TTS）模型，能生成富有表现力、长篇幅、多说话者的对话式音频，如播客。最新开源的VibeVoice-Realtime-0.5B模型，仅5...
AI工具
1年前 (2025)
DeepCode – 港大实验室推出的多Agent代码生成平台
DeepCode 是香港大学数据智能实验室推出的基于多智能体系统的代码生成平台。DeepCode 能将研究论文、自然语言描述等转化为高质量的生产就绪代码，支持多种编...
AI工具
1年前 (2025)
XBai o4 – 开源的并行推理模型，高质量的推理轨迹
XBai o4是开源的大语言模型，基于“反射生成形式”训练，结合长CoT强化学习和过程奖励学习，在复杂推理能力上表现出色，中等模式下已超越OpenAI-o3-mini。
AI工具
1年前 (2025)
问小白o4 – 问小白推出的首个并行思考模型
问小白o4是国内首个并行思考模型，能同时启动8条思考路径，自动筛选最优解，提供精准答案。模型融合Long‑CoT强化学习与过程奖励学习，具备深度推理和高质量思...
AI工具
1年前 (2025)
FutureX – 字节联合复旦等高校推出的动态实时评估基准
FutureX是字节跳动、复旦大学、斯坦福大学和普林斯顿大学的研究团队联合发布的，专为LLM智能体未来预测任务设计的动态实时评估基准。通过半自动化管道从195个...
AI工具
1年前 (2025)