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。
ACTalker – 港科大联合腾讯、清华推出的端到端视频扩散框架
ACTalker 是用于生成逼真说话人头部视频的端到端视频扩散框架。支持单信号或多信号控制，如音频、表情等。核心架构包括并行 Mamba 结构，通过多个分支利用不...
AI工具
2年前 (2025)
Awesome MCP Servers – 开源的MCP资源聚合平台，覆盖多个垂直领域
Awesome MCP Servers 是开源项目，汇集各种基于 Model Context Protocol (MCP) 的服务器。Awesome MCP Servers 整理超过 3000 个 MCP 服务器，覆盖浏览器自动...
AI工具
2年前 (2025)
AnimeGamer – 腾讯联合香港城市大学推出的动漫生活模拟系统
AnimeGamer 是腾讯 PCG 和香港城市大学共同推出的无限动漫生活模拟系统。基于多模态大语言模型（MLLM），支持玩家基于开放式的语言指令，用动漫角色的身份沉...
AI工具
2年前 (2025)
OmniCam – 浙大联合上海交大等高校推出的多模态视频生成框架
OmniCam 是先进的多模态视频生成框架，通过摄像机控制实现高质量的视频生成。支持多种输入模态组合，用户可以提供文本描述、视频中的轨迹或图像作为参考，精...
AI工具
2年前 (2025)
Quasar Alpha – 支持百万 token 上下文的免费 AI 模型
Quasar Alpha 是支持 100 万 token 的超大上下文窗口的预发布版 AI 模型，可处理超长文本和复杂文档。代码生成能力出色，生成速度快，延迟低，指令遵循能力强...
AI工具
2年前 (2025)
Seedream 3.0 – 字节推出的 AI 图片生成模型，精准生成复杂中文内容
Seedream 3.0（即梦3.0）是字节跳动推出的AI图片生成模型，模型支持原生 2K 分辨率图像输出，快速生成高品质图像，仅需 3 秒。模型在小字生成与排版、美感与...
AI工具
2年前 (2025)
OmniTalker – 阿里推出的实时文本驱动说话头像生成框架
OmniTalker 是阿里巴巴发布的实时文本驱动的说话头像生成技术，能同时处理文本、图像、音频和视频等多种模态输入，以流式方式生成自然语音响应。核心架构为 T...
AI工具
2年前 (2025)
Llama 4 – Meta 开源的多模态系列AI模型，重夺开源王座
Llama 4 是 Meta 开源的多模态系列AI模型。首次采用混合专家（MoE）架构，在训练和推理时计算效率更高。Llama 4 目前有 Scout 和 Maverick 两个版本。Scout ...
AI工具
2年前 (2025)
BabelDOC – 开源 AI PDF 翻译工具，专为科学论文翻译设计
BabelDOC 是沉浸式翻译开源的智能 PDF 翻译工具，专为科学论文翻译设计。能在原文旁生成翻译文本，形成双语对照，无需切换窗口，方便阅读。能完整保留数学公...
AI工具
2年前 (2025)
AbletonMCP – AI音乐制作工具，基于MCP支持音轨创建与修改
AbletonMCP 是开源项目，基于模型上下文协议（MCP） 将 Ableton Live 与 Claude AI 连接，实现 AI 辅助音乐制作。AbletonMCP 基于双向通信，支持用户基于 Cla...
AI工具
2年前 (2025)