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。
MMAudio – 基于多模态联合训练实现高质量 AI 音频合成项目
MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精...
AI工具
2年前 (2024)
ChatTTSPlus – 开源文本转语音工具，ChatTTS扩展版支持语音克隆
ChatTTSPlus是ChatTTS的扩展版本，基于集成TensorRT加速、语音克隆和移动模型部署等先进技术，提升语音合成的性能和灵活性。在Windows平台上，能实现超过3倍...
AI工具
2年前 (2024)
书生·万象InternVL 2.5 – 上海 AI Lab 开源的多模态大语言模型系列
书生·万象InternVL 2.5是上海AI实验室的OpenGVLab团队推出的开源多模态大型语言模型（MLLM）系列。该系列模型在InternVL 2.0的基础上进行显著增强，特别是在...
AI工具
2年前 (2024)
Gemini 2.0 – 谷歌推出的原生多模态输入输出 + Agent 为核心的AI模型
Gemini 2.0是谷歌最新推出的原生多模态输入输出的AI模型。Gemini 2.0 Flash是2.0家族第一个模型，以多模态输入输出和Agent技术为核心，速度比 1.5 Pro快两倍...
AI工具
2年前 (2024)
FineWeb 2 – Hugging Face推出的多语言预训练数据集
FineWeb 2是Hugging Face推出的多语言预训练数据集，覆盖超过1000种语言。FineWeb 2基于定制化的数据管道处理，包括语言识别、去重、内容过滤和PII匿名化，适...
AI工具
2年前 (2024)
DrivingDojo – 中科院联合美团推出的交互式驾驶世界模型数据集
DrivingDojo是中国科学院自动化研究所与美团无人车团队合作推出的数据集，用在训练和研究复杂的自动驾驶交互式世界模型。数据集包含18,000个视频片段，覆盖完...
AI工具
2年前 (2024)
EXAONE 3.5 – LG 推出的开源AI模型，擅长长文本处理降低模型幻觉问题
EXAONE 3.5是LG AI研究院推出的开源AI模型，包含24亿、78亿和320亿参数的三个版本。EXAONE 3.5擅长长文本处理，在基准测试中表现优异，特别是在实际应用、长...
AI工具
2年前 (2024)
DeepSeek-V2.5-1210 – DeepSeek V2.5 的最终版微调模型，支持联网搜索
DeepSeek-V2.5-1210是DeepSeek 推出的 DeepSeek V2 系列收官AI模型，DeepSeek V2.5 的最终版微调模型。模型基于Post-Training迭代，在数学、编程、写作和角色...
AI工具
2年前 (2024)
Director – 构建视频智能体AI框架，用自然语言执行搜索、总结等复杂视频任务
Director是构建视频智能体的框架，用户能用自然语言命令执行复杂的视频任务，如视频搜索、编辑、合成和生成，并能即时流式传输结果。基于VideoDB的“视频即数...
AI工具
2年前 (2024)
ClotheDreamer – 上海大学联合腾讯等高校推出的3D服装生成技术
ClotheDreamer是上海大学、上海交通大学、复旦大学和腾讯优图实验室共同推出的3D服装生成技术，能根据文本描述生成高保真、可穿戴的3D服装资产。ClotheDreame...
AI工具
2年前 (2024)