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。
SignGemma – 谷歌DeepMind推出的手语翻译AI模型
SignGemma 是谷歌 DeepMind 团队推出的全球最强大的手语翻译AI模型。专注于将美国手语（ASL）翻译成英语文本，通过多模态训练方法，结合视觉数据和文本数据，...
AI工具
1年前 (2025)
FLUX.1 Kontext – Black Forest Labs 推出的图像生成与编辑模型
FLUX.1 Kontext 是由 Black Forest Labs 推出的图像生成与编辑模型，支持上下文感知的图像处理。模型基于文本和图像提示进行生成与编辑，支持对象修改、风格...
AI工具
1年前 (2025)
OmniSync – 人民大学联合快手、清华推出的通用对口型框架
OmniSync是中国人民大学、快手科技和清华大学联合推出的通用对口型框架，基于扩散变换器（Diffusion Transformers）实现视频中人物口型与语音的精准同步。Omn...
AI工具
1年前 (2025)
Mobvoi MCP Server – 出门问问推出的多模态MCP服务工具
Mobvoi MCP Server 是出门问问推出的一站式集成各项 AI 能力的工具，Mobvoi MCP Server集成语音生成、声音克隆、图片驱动数字人、视频配音等多项多模态 AI 能...
AI工具
1年前 (2025)
EVI 3 – Hume AI推出的语音语言模型
EVI 3是Hume AI推出的全新语音语言模型，模型能同时处理文本和语音标记，实现自然、富有表现力的语音交互。模型支持高度个性化，根据用户提示生成任何声音和...
AI工具
1年前 (2025)
WebAgent – 阿里开源的自主搜索AI Agent
WebAgent是阿里巴巴开源的自主搜索AI Agent，具备端到端的自主信息检索与多步推理能力。WebAgent能像人类一样在网络环境中主动感知、决策和行动，应用在学术...
AI工具
1年前 (2025)
SearchAgent-X – 南开等机构推出的高效推理框架
SearchAgent-X 是南开大学和伊利诺伊大学厄巴纳香槟分校（UIUC）研究人员推出的高效推理框架，能提升基于大型语言模型（LLM）的搜索Agent的效率。
AI工具
1年前 (2025)
MagicTryOn – 浙大联合vivo等机构推出的视频虚拟试穿框架
MagicTryOn是浙江大学计算机科学与技术学院、vivo移动通信等机构推出的基于视频扩散Transformer的视频虚拟试穿框架。框架替换传统的U-Net架构为更具表现力的...
AI工具
1年前 (2025)
Chatterbox – Resemble AI开源的文本转语音模型
Chatterbox是Resemble AI推出的开源文本转语音（TTS）模型。模型基于0.5B规模的LLaMA架构，用超过50万小时精选音频训练，性能直逼甚至超越部分闭源系统。Chat...
AI工具
1年前 (2025)
Paper2Poster – 滑铁卢、新加坡国立和牛津大学推出的学术海报生成框架
Paper2Poster是加拿大滑铁卢大学、新加坡国立大学等机构推出的创新学术框架，基于多模态自动化技术从科学论文生成海报。Paper2Poster推出PosterAgent，一个自...
AI工具
1年前 (2025)