Ad image
Ad image

最近更新

Ming‑Flash‑Omni 2.0 – 蚂蚁开源的全模态大模型

Ming-flash-omni-2.0是什么 Ming-flash-omni-2.0是蚂蚁集团开源的全模态大模型,采用100B总参数/6B激活参数的MoE架构。作为业界SOTA开源omni-MLLM,模型统一支持图像、视频、音频、文本的多模…

预计阅读时间: 15

EveryoneNobel – AI图像生成工具,生成个性化诺贝尔奖风格图像

EveryoneNobel是什么 EveryoneNobel是一个开源AI工具,为每个人生成个性化的诺贝尔奖风格图像。E…

TextHarmony – 字节联合华东师范推出的多模态生成模型

TextHarmony是什么 TextHarmony是华东师范大学和字节跳动共同推出的多模态生成模型,擅长理解和生成视觉…

BlinkShot – 开源的实时AI图像生成器,几毫秒内生成高质量图像

BlinkShot是什么 BlinkShot是实时AI图像生成器,能迅速生成高质量的图像。用户只需输入提示,BlinkS…

NotebookLlama – Meta推出的PDF转播客内容的开源项目

NotebookLlama是什么 NotebookLlama是Meta推出的将PDF文档转换成播客内容的开源项目。项目基…

Unbounded – 谷歌推出的首款AI生成式无限人生模拟游戏

Unbounded是什么 Unbounded是谷歌和北卡罗来纳大学教堂山分校共同推出的无限人生模拟游戏。游戏突破传统视频游戏的局限,用生成模型,如大型语言模型(LLM)和视觉生成模型,创造一个没有固定规则和边界的游戏体验。玩家与自己的虚拟角色互动,用自然语言指令引导角色在虚拟世界中探索、互动,形成连贯的故事线。Unbounded的技术亮点包括实时动态生成游戏机制、叙事和角色互动,及在不同环境中保持…

预计阅读时间: 12

PersonaTalk – 字节跳动推出的实现高保真和个性化视觉配音框架

PersonaTalk是什么 PersonaTalk是字节跳动推出的基于注意力机制的两阶段框架,用在实现高保真度和个性化…

Nemotron 3 Embed – 英伟达开源的文本嵌入模型系列

Nemotron 3 Embed 是什么 Nemotron 3 Embed 是 NVIDIA 开源的文本嵌入模型系列,专…

OpenSPG – 蚂蚁联合OpenKG开源的知识图谱引擎

OpenSPG是什么 OpenSPG是蚂蚁集团联合OpenKG社区推出的基于SPG框架的知识图谱引擎。OpenSPG融合…

LongVU – Meta AI开源的长视频理解模型

LongVU是什么 LongVU是Meta AI团队推出的长视频理解模型,基于时空自适应压缩机制。解决处理长视频时受限于…

重庆上线“渝小健”AI就医智能体,覆盖233家公立医院

7月17日,重庆市卫生健康委员会正式上线便捷就医智能体“渝小健”,面向全市居民提供AI辅助就医服务。市民可通过支付宝Ap…

NVIDIA 发布 Nemotron 3 Embed 系列,8B 版本登顶 RTEB 检索基准

NVIDIA 近日发布了 Nemotron3Embed 系列嵌入向量模型,专为生产级 RAG、智能体检索、代码检索及智能…