Ivy-VL – AI Safeguard联合卡内基梅隆和斯坦福开源的轻量级多模态模型
Ivy-VL是什么 Ivy-VL是AI Safeguard联合卡内基梅隆大学和斯坦福大学推出的轻量级多模态AI模型，专为移动端和边缘设备设计。模型拥有3B参数量，相较于其…
HoloDreamer – AI文本驱动3D场景生成框架
HoloDreamer是什么 HoloDreamer是北京大学联合鹏城实验室推出的AI文本驱动3D场景生成框架。通过两个核心模块：风格化全景图生成和增强两阶段全景图重建，…
Follow-Your-Click – 腾讯等开源的图像到视频模型，可生成局部动画
Follow-Your-Click是什么 Follow-Your-Click是一个由来自腾讯公司（混元团队）联合清华大学和香港科技大学的研究人员共同研发的图像到视频（Im…
AutoShorts – 开源的AI视频创作和自动发布平台
AutoShorts是什么 AutoShorts是开源的AI视频创作和发布平台，使用AI技术一键生成并定制无脸视频。AutoShorts支持自定义脚本、配音和视觉效果，每…
VectorVein – 开源的无代码AI工作流工具，简单拖拽定制AI应用
VectorVein是什么 VectorVein 是一款开源的无代码AI工作流工具，通过简化的拖拽操作，让用户无需编程知识即可构建智能工作流，实现日常任务的自动化。Vec…
ChatTTS – 开源的用于对话的生成式语音合成模型
#安装ModelScope pip install modelscope #SDK模型下载 from modelscope import snapshot_downloa…
Vary-toy：开源的小型视觉多模态模型
Vary-toy是什么 Vary-toy是一个小型的视觉语言模型（LVLM），由来自旷视、国科大、华中大的研究人员共同提出，旨在解决大型视觉语言模型（LVLMs）在训练和…
ColorFlow – 清华和腾讯共同推出的图像序列着色模型
ColorFlow是什么 ColorFlow是清华大学和腾讯ARC实验室共同推出的图像序列着色模型，能精细化地保持图像序列中个体身份的同时进行着色。基于检索增强、上下文学…
HumanVid – 专为人类图像动画生成而设计的高质量数据集
HumanVid是什么 HumanVid是香港中文大学和上海人工智能实验室共同推出的高质量数据集，专为人类图像动画训练设计。结合了现实世界视频和合成数据，通过精心设计的规…
AutoDev – 微软推出的AI编程和程序开发智能体框架
AutoDev是什么 AutoDev是由微软的研究人员推出的一个AI编程工具，专门设计用于自主规划和执行复杂的软件工程任务，如代码编写、调试、测试和版本控制等。AutoD…
MARS5-TTS – 开源的AI声音克隆工具，支持140+语言
MARS5-TTS是什么 MARS5-TTS是CAMB.AI推出开源的AI声音克隆工具，有突破性逼真的韵律，支持140多种语言支持。还能处理复杂韵律场景，如体育解说和动漫…
OpenCity – AI交通预测模型，卓越的零样本预测和情境适应能力
OpenCity是什么 OpenCity是由香港大学联合华南理工大学和百度共同研发的交通预测模型。OpenCity采用Transformer架构和图神经网络，通过大规模预…
Seed-TTS – 字节跳动推出的高质量文本到语音生成模型
Seed-TTS是什么 Seed-TTS是由字节跳动开发的高级文本到语音（Text to Speech，TTS）模型，能够生成与人类语音极为相似的高质量语音，具备出色的上…
Lepton Search – 开源的对话式AI搜索引擎项目
Lepton Search是什么 Lepton Search是由原阿里巴巴技术副总裁和AI科学家贾扬清创办的Lepton AI应用构建平台开源的一个对话式AI搜素引擎，该…
LingBot-Video – 蚂蚁灵波开源面向具身智能的视频模型
LingBot-Video是什么 LingBot-Video 是蚂蚁灵波科技开源的全球首个面向具身智能的 MoE 视频生成基础模型。模型基于 DiT + MoE 架构，总…
Robostral Navigate – Mistral AI 推出的具身智能导航模型
Robostral Navigate是什么 Robostral Navigate 是 Mistral AI 推出的首个具身智能导航模型，用一个普通 RGB 摄像头可让机器…
