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。
StoryDiffusion – 生成一致性图像和视频序列的开源AI框架
StoryDiffusion是一个先进的AI图像和视频生成框架，用于从文本描述生成具有一致性的图像和视频序列。基于Consistent Self-Attention机制增强图像间的一致性，...
AI工具
2年前 (2024)
Open NotebookLM – 开源的PDF转播客AI工具，能自定义语气
Open NotebookLM 是一个开源的AI工具，基于最新的开源AI模型，如Llama 3.1 405B、MeloTTS和Bark，将PDF文档转换成播客形式的音频内容。工具适合将书面信息转...
AI工具
2年前 (2024)
Reverb ASR – Rev公司开源的自动语音识别和说话人分离模型
Reverb ASR是Rev公司推出的开源自动语音识别和说话人分离模型，基于20万小时的人工转录英语数据训练而成。模型在长语音识别领域表现卓越，适合处理如播客和财...
AI工具
2年前 (2024)
Playground v3 – Playground Research推出超越人类设计师的文本到图像模型
Playground v3（PGv3）是由Playground Research推出的最新文本到图像模型，基于深度融合的大型语言模型（LLM）技术，实现在图形设计任务上超越人类设计师的能...
AI工具
2年前 (2024)
Inverse Painting – 华盛顿大学推出逆向重现绘画过程的AI技术
Inverse Painting 是一种AI技术，由华盛顿大学的研究人员推出，能逆向重现绘画过程。通过分析艺术家的绘画视频，学习绘画技巧和顺序，然后生成一系列绘画指令...
AI工具
2年前 (2024)
TinyVLA – 华东师范和上海大学推出面向机器人操控VLA模型
TinyVLA是一种面向机器人操控的视觉-语言-动作（VLA）模型，由华东师范大学和上海大学团队推出。针对现有VLA模型的不足，如推理速度慢和需要大量数据预训练，...
AI工具
2年前 (2024)
IFAdapter – 腾讯和新加坡国立大学联合推出的文本到图像生成模型
IFAdapter是一种新型的文本到图像生成模型，由腾讯和新加坡国立大学共同推出。提升生成含有多个实例的图像时的位置和特征准确性。传统模型在处理多实例图像时...
AI工具
2年前 (2024)
Matryoshka Diffusion Models – 苹果开源高清图像和视频生成的扩散模型
Matryoshka Diffusion Models（MDM）是苹果公司推出的一种创新的扩散模型，主要用于生成高分辨率图像和视频。MDM通过多分辨率扩散过程，在不同尺度上同时进行...
AI工具
2年前 (2024)
LiveKit Agents – 创建实时与用户互动的多模态AI代理框架
LiveKit Agents 是一个强大的框架，用于创建能实时通过语音、视频和数据与用户互动的多模态AI代理。框架支持 Python 编程，简化开发过程，支持开发者轻松集成...
AI工具
2年前 (2024)
Boow-VTON – 阿里推出的AI虚拟试衣技术
Boow-VTON是阿里巴巴推出的一种先进的虚拟试衣技术。能在野外场景中实现高质量的虚拟试衣效果，无需依赖精确的遮罩或修复工作。通过有效的数据增强方法，基于...
AI工具
2年前 (2024)