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。
Janus-Pro – DeepSeek 开源的统一多模态模型
Janus-Pro是 DeepSeek 推出的开源AI模型，支持图像理解和图像生成，提供 1B 和 7B 两种规模，适配多元应用场景。通过改进的训练策略、扩展的数据集和更大规模...
AI工具
2年前 (2025)
DiffuEraser – 阿里通义实验室推出的视频修复模型
DiffuEraser是基于稳定扩散模型的视频修复模型，以更丰富的细节和更连贯的结构填充视频中的遮罩区域。模型通过结合先验信息来提供初始化和弱条件，有助于减少...
AI工具
2年前 (2025)
Qwen2.5-1M – 阿里通义千问开源的语言模型，支持100万Tokens上下文
Qwen2.5-1M是阿里通义千问团队推出的开源模型，支持100万Tokens的上下文长度。模型包括Qwen2.5-7B-Instruct-1M和Qwen2.5-14B-Instruct-1M两个模型。在长上下...
AI工具
2年前 (2025)
TeleAI-t1-preview – 中国电信推出的复杂推理大模型
TeleAI-t1-preview是中国电信人工智能研究院发布的“复杂推理大模型”，具备强大的逻辑推理与数学推导能力。通过强化学习训练方法，引入探索、反思等思考范式，...
AI工具
2年前 (2025)
Baichuan-Omni-1.5 – 百川智能开源的全模态理解模型
Baichuan-Omni-1.5 是百川智能开源的全模态模型。支持文本、图像、音频和视频的全模态理解，具备文本和音频的双模态生成能力。模型在视觉、语音及多模态流式...
AI工具
2年前 (2025)
VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型，专注于图像和视频理解。基于 Qwen 2.5 架构，结合了先进的视觉编码器（如 SigLip）和强大的语言生成能力，...
AI工具
2年前 (2025)
Tarsier2 – 字节跳动推出的视觉理解大模型
Tarsier2是字节跳动推出的先进的大规模视觉语言模型（LVLM），生成详细且准确的视频描述，在多种视频理解任务中表现出色。模型通过三个关键升级实现性能提升...
AI工具
2年前 (2025)
Fast3R – Meta 联合密歇根大学推出的多视图3D重建方法
Fast3R是Meta和密歇根大学的研究人员提出的新型的多视图3D重建方法，基于Transformer架构，能在一个前向传播过程中处理1000多张图像，实现高效且可扩展的3D重...
AI工具
2年前 (2025)
Whisper Input – 开源AI语音输入工具，支持多语言实时转录和翻译
Whisper Input 是开源的语音输入工具，基于 Python 和 OpenAI 的 Whisper 模型开发。通过简单的快捷键操作（如按下 Option 键开始录音，松开结束录音），实现...
AI工具
2年前 (2025)
FilmAgent – 哈工大联合清华推出的AI电影自动化制作工具
FilmAgent是哈尔滨工业大学（深圳）的研究团队开发的基于多智能体协作框架的虚拟电影制作工具，通过自动化流程实现虚拟3D空间中的端到端电影制作。模拟传统电...
AI工具
2年前 (2025)