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。
OmniAudio-2.6B – Nexa AI推出的端侧多模态音频语言模型
OmniAudio-2.6B是Nexa AI推出的音频语言模型，专为边缘部署设计，能实现快速且高效的音频文本处理。OmniAudio-2.6B是具有2.6亿参数的多模态模型融合Gemma-2-2...
AI工具
2年前 (2024)
Sketch2Sound – Adobe 联合西北大学推出的AI音频生成技术
Sketch2Sound是Adobe 研究院和西北大学推出的AI音频生成技术，能基于声音模仿和文本提示生成高品质音效。Sketch2Sound从声音模仿中提取响度、亮度和音高三个...
AI工具
2年前 (2024)
Granite 3.1 – IBM 推出的新版语言模型
Granite 3.1是IBM推出的新一代语言模型，具有强大的性能和更长的上下文处理能力。Granite 3.1模型家族有 4 种不同的尺寸和 2 种架构：密集模型2B和8B参数模型...
AI工具
2年前 (2024)
OCTAVE – Hume AI推出的语音语言模型
OCTAVE（Omni-Capable Text and Voice Engine）是Hume AI推出的新一代语音语言模型，结合EVI 2模型和OpenAI、Elevenlab、Google Deepmind等系统的能力。OCTAV...
AI工具
2年前 (2024)
DisPose – 北大等多所高校推出的增强人物图像控制动画质量的技术
DisPose是北京大学、中国科学技术大学、清华大学和香港科技大学的研究团队共同推出的，提高人物图像动画质量的控制技术，基于从骨骼姿态和参考图像中提取有效...
AI工具
2年前 (2024)
CLEAR – 新加坡国立大学推出的线性注意力机制，生成8K图像时提速6.3倍
CLEAR是新加坡国立大学推出新型线性注意力机制，能提升预训练扩散变换器（DiTs）生成高分辨率图像的效率。基于将每个查询的注意力限制在局部窗口内，CLEAR实...
AI工具
2年前 (2024)
InvSR – 开源图像超分辨率模型，高清修复老旧照片
InvSR是创新的图像超分辨率模型，基于扩散模型的逆过程恢复高分辨率图像。用大型预训练扩散模型中丰富的图像先验，改善超分辨率的效果。InvSR的核心在于深度...
AI工具
2年前 (2024)
HelloMeme – 面部表情与姿态迁移框架，基于Stable Diffusion 1.5模型理解能力
HelloMeme是基于最新的Diffusion生成技术的框架，实现表情与姿态的迁移，HelloMeme集成空间编织注意力（Spatial Knitting Attentions）机制，基于Stable Diff...
AI工具
2年前 (2024)
Kheish – 开源的多智能体协调平台，可灵活配置多个Agent解决复杂任务
Kheish是开源的、基于大型语言模型（LLM）的多智能体编排平台，用多个专门的角色（智能体）和灵活的工作流协调复杂任务的各个步骤，如提案生成、审核、验证和...
AI工具
2年前 (2024)
Univer – 开源 AI 办公工具，支持Word、Excel等文档处理全栈解决方案
Univer是开源的全栈框架，支持创建和编辑电子表格、文档及幻灯片，为用户提供统一且强大的办公解决方案。Univer能在浏览器和Node.js环境中运行，易于集成到各...
AI工具
2年前 (2024)