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。
InspireMusic – 阿里通义实验室开源的音乐生成技术
InspireMusic 是阿里巴巴通义实验室开源的音乐生成技术，通过人工智能为用户生成高质量的音乐作品。基于多模态大模型技术，支持通过简单的文字描述或音频提示...
AI工具
2年前 (2025)
Zonos – ZyphraAI 开源的多语言 TTS 模型
Zonos是Zyphra推出的高保真文本到语音（TTS）模型。Zonos包含两个模型：16亿参数的Transformer模型和SSM混合模型，均在Apache 2.0许可下开源。Zonos根据文本...
AI工具
2年前 (2025)
VideoCaptioner – AI视频字幕处理工具，支持字幕样式调整和多格式导出
VideoCaptioner（中文名：卡卡字幕助手）是基于大语言模型（LLM）的智能字幕处理工具，能简化视频字幕的生成与优化流程。VideoCaptioner支持语音识别、字幕断...
AI工具
2年前 (2025)
AnythingLLM – 开源的全栈 AI 客户端，支持本地部署和API集成
AnythingLLM 是开源免费且支持多模态交互的全栈 AI 客户端。AnythingLLM支持文本、图像和音频等多种输入方式，将任何文档或内容转化为上下文，供各种语言模型...
AI工具
2年前 (2025)
Goku – 港大和字节联合推出的最新视频生成模型
Goku是香港大学和字节跳动联合发布的最新视频生成模型，专为图像和视频的联合生成设计。基于先进的rectified flow Transformer框架，支持文生视频、图生视频...
AI工具
2年前 (2025)
Satori – 开源的大语言推理模型，具备自回归搜索和自我纠错能力
Satori 是 MIT、哈佛大学等机构研究者推出的 7B 参数的大型语言模型，专注于提升推理能力。基于Qwen-2.5-Math-7B，Satori通过小规模的格式微调和大规模的增强...
AI工具
2年前 (2025)
LLaVA-Rad – 微软推出的小型多模态模型，专注于临床放射学报告生成
LLaVA-Rad是微软研究院推出的小型多模态模型，专注于临床放射学报告生成。是LLaVA-Med项目的分支，特别是胸部X光（CXR）成像。基于LLaVA-Med的基础架构和训练...
AI工具
2年前 (2025)
ACE++ – 阿里通义推出的升级版图像生成与编辑模型
ACE++是阿里巴巴通义实验室推出的先进的图像生成与编辑工具，通过指令化和上下文感知的内容填充技术，实现了高质量的图像创作和编辑功能。
AI工具
2年前 (2025)
FlashVideo – 字节联合港大推出的高分辨率视频生成框架
FlashVideo是字节跳动团队提出的高效的高分辨率视频生成框架，通过两阶段方法解决了传统单阶段扩散模型在高分辨率视频生成中面临的巨大计算成本问题。在第一...
AI工具
2年前 (2025)
VisoMaster – AI换脸和编辑软件，支持图片和视频高质量换脸
VisoMaster 是基于 AI 技术的换脸和编辑软件，功能强大操作简便。支持图片、视频以及直播换脸，能生成自然逼真的换脸效果，应用于娱乐、影视制作等领域。支持...
AI工具
2年前 (2025)