MT-Color – 上海交大联合哔哩哔哩推出的可控图像着色框架
MT-Color是什么 MT-Color是上海交通大学联合哔哩哔哩推出的基于扩散模型的可控图像着色框架，基于用户提供的实例感知文本和掩码实现精确的实例级图像着色。框架基于…
DeepSite – 基于 DeepSeek 开源的 AI 前端开发工具
DeepSite是什么 DeepSite 是基于 DeepSeek-V3 模型的在线开发工具，用户无需配置环境或安装软件，在网页上直接输入需求，快速生成游戏、应用或网页的…
AIMv2 – 苹果开源的多模态自回归预训练视觉模型
AIMv2是什么 AIMv2是苹果公司开源的多模态自回归预训练视觉模型，通过图像和文本的深度融合提升视觉模型的性能。采用创新的预训练框架，将图像划分为非重叠的图像块，将文…
腾讯发布首个智能体行业应用LearnBuddy，打造专家同行的AI自主学习平台
近日，在腾讯云AI产业应用大会上，腾讯正式发布Buddy家族首个行业应用产品LearnBuddy，并同步推出企业效率智能体套件、升级Agent云底座，进一步推动智能体技术…
MakeAnything – 新加坡国立大学开源的一致性图片序列生成框架
MakeAnything是什么 MakeAnything 是新加坡国立大学 Show Lab团队推出的基于扩散变换器（Diffusion Transformer）的多领域…
SkyReels-V2 – 昆仑万维开源的无限时长电影生成模型
SkyReels-V2是什么 SkyReels-V2是昆仑万维SkyReels团队推出的无限时长电影生成模型，基于扩散强迫（Diffusion-forcing）框架，结合…
MagicArticulate – 南洋理工和字节推出的静态 3D 模型转骨架生成框架
MagicArticulate是什么 MagicArticulate 是南洋理工大学和字节跳动Seed实验室推出的自动将静态 3D 模型转换为可动画化资产的框架。Magi…
MeshPad – 草图驱动的AI 3D网格生成与编辑工具
MeshPad是什么 MeshPad 是基于草图输入的交互式艺术化网格生成与编辑工具，能将简单的二维草图迅速转化为高质量的 3D 网格模型，支持实时编辑。用户在草图上添加…
Mistral Medium 3 – Mistral AI推出的多模态语言模型
Mistral Medium 3是什么 Mistral Medium 3是Mistral AI推出的多模态语言模型。模型在性能和成本之间实现平衡，接近达到Claude S…
TripoSR – Stability AI 联合 VAST 开源的 3D 生成模型
TripoSR是什么 TripoSR是Stability AI和VAST联合推出的开源3D生成模型，能在不到0.5秒内从单张2D图像快速生成高质量的3D模型。模型基于Tr…
FantasyTalking – 阿里联合北邮推出静态肖像生成可控数字人的框架
FantasyTalking是什么 FantasyTalking 是阿里巴巴 AMAP 团队和北京邮电大学联合提出的新型框架，用于从单张静态肖像生成逼真的可动画化虚拟形象…
X-Dancer – 字节等机构推出音乐驱动的人像舞蹈视频生成框架
X-Dancer是什么 X-Dancer 是字节跳动联合加州大学圣地亚哥分校和南加州大学的研究人员共同推出的音乐驱动的人像舞蹈视频生成框架，支持从单张静态图像生成多样化且…
Open-Sora 2.0 – 潞晨科技开源的AI视频生成模型
conda create -n opensora python=3.9 conda activate opensora git clone https://github.…
Umi-OCR – 免费 OCR 文字识别工具，支持截图、批量图片排版解析
Umi-OCR是什么 Umi-OCR 是免费开源的离线 OCR 文字识别软件。无需联网，解压即用，支持截图、批量图片、PDF 扫描件的文字识别，能识别数学公式、二维码，可…
DreamO – 字节联合北大推出的图像定制生成框架
DreamO是什么 DreamO 是字节跳动创作团队联合北京大学深圳研究生院电子与计算机工程学院联合推出的用在图像定制生成的统一框架，基于预训练的扩散变换器（DiT）模型…
Veo 3 – 谷歌推出的新一代视频生成模型
Veo 3是什么 Veo 3是谷歌I/O开发者大会上发布的新一代视频生成模型。Veo 3是谷歌首个可生成视频背景音效的模型，能合成画面，能为鸟鸣、街头交通等场景配上相应的…
