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。
Scribe – ElevenLabs 推出的高精度语音转文本模型
Scribe 是 ElevenLabs 推出的高精度语音转文本模型，专为多语言和复杂音频环境设计。支持99种语言，英语和意大利语的转录准确率分别达到96.7%和98.7%，在小语...
AI工具
2年前 (2025)
IndexTTS – B 站推出的文本转语音模型，支持拼音纠正汉字发音
IndexTTS 是 B 站推出的工业级可控文本转语音（TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技术，能将文本高效转化为自然流畅的语音...
AI工具
2年前 (2025)
Phi-4-Mini – 微软推出专注于文本任务的小型语言模型
Phi-4-Mini 是微软 Phi-4 系列中最新推出的专注于文本任务的小型语言模型，参数量为 38 亿。基于密集的解码器-only Transformer 架构，结合分组查询注意力（G...
AI工具
2年前 (2025)
R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调
R1-Onevision 是开源的多模态大语言模型，专注于复杂视觉推理任务。基于 Qwen2.5-VL 微调而成，通过整合视觉和文本数据，能精准地进行多模态信息解释。在数学...
AI工具
2年前 (2025)
Phi-4-Multimodal – 微软最新推出的多模态语言模型
Phi-4-Multimodal 是微软最新推出的多模态语言模型，拥有 56 亿参数，能将语音、视觉和文本处理集成到一个统一架构中。模型在多个基准测试中表现优异，在自动...
AI工具
2年前 (2025)
Profiling Data – DeepSeek开源训练和推理框架的性能分析数据
PProfiling Data是DeepSeek开源的训练和推理框架的性能分析数据，基于PyTorch Profiler捕获的程序运行过程中的详细信息，用在分析和优化软件性能。
AI工具
2年前 (2025)
EPLB – DeepSeek 开源的专家并行负载均衡器
EPLB（Expert Parallelism Load Balancer）是 DeepSeek 推出的专家并行负载均衡器，能解决大规模模型训练中不同专家模型（Expert）负载不均的问题。EPLB 基于...
AI工具
2年前 (2025)
DualPipe – DeepSeek 开源的双向流水线并行技术
DualPipe 是DeepSeek开源的创新的双向流水线并行技术，主要用于提升大规模深度学习模型的训练效率。核心思想是将模型的训练过程分为两个独立的管道——前向计算...
AI工具
2年前 (2025)
video-subtitle-master – 开源AI字幕生成工具，支持批量为视频或音频生成字幕
video-subtitle-master 是能批量为视频或音频生成字幕的工具，基于开源项目 VideoSubtitleGenerator 开发，支持批量为视频或音频生成字幕，将字幕翻译成其他...
AI工具
2年前 (2025)
PhotoDoodle – 字节联合新加坡国立大学等推出的艺术化图像编辑框架
PhotoDoodle是新加坡国立大学、上海交通大学、北京邮电大学、字节跳动和Tiamat团队联合推出的艺术化图像编辑框架，基于少量样本学习艺术家的独特风格，实现照...
AI工具
2年前 (2025)