EasyControl Ghibli – 免费生成吉卜力风格图像的 AI 模型
EasyControl Ghibli是什么 EasyControl Ghibli 是基于 EasyControl 框架开发的 AI 模型，已上线 Hugging Face…
VidSketch – 浙江大学推出的视频动画生成框架
VidSketch是什么 VidSketch 是浙江大学 CAD&CG 国家重点实验室和软件学院推出的创新视频生成框架，根据手绘草图和简单文本提示生成高质量的视频动画。
卢伟冰剧透发布会彩排:小米17T系列将登场，机器人互动成瞩目亮点
小米17T系列国行版发布会于6月8日14点正式举行，届时将推出小米17T和小米17T Pro两款全新机型。在此前一日，小米集团总裁卢伟冰通过视频公开了发布会主讲人TJ的彩…
AutoAgents – AI Agent 生成框架，自然语言创建和部署LLM智能体
AutoAgents是什么 AutoAgents 是基于大型语言模型（LLM）的自动智能体生成框架，能根据用户设定的目标自动生成多个专家角色的智能体，通过协作完成复杂任务…
OpenUtau – 开源的AI歌声合成工具，自动适配系统语言
OpenUtau是什么 OpenUtau 是开源的歌声合成工具，兼容 UTAU 音源库和重采样器，支持 VSQX 导入、多语言界面及预渲染功能，帮助创作者快速预览作品节省…
告别单轮傻瓜问答！云知声发布原生智能体大模型U2，自主攻克百步复杂工作流
生成式人工智能正在加速从“只会聊天”的问答工具，演变为能够卷起袖子干活的“超级数字员工”。6月8日，云知声（9678.HK）正式发布了新一代通用大语言模型——U2。
TANGLED – 上海科大联合华中科大等推出的3D发型生成方法
TANGLED是什么 TANGLED是上海科技大学、Deemos Technology和华中科技大学联合推出的3D发型生成方法，支持从任意风格和视角的图像中生成高质量的3…
PP-TableMagic – 百度飞桨团队开源的表格识别工具
PP-TableMagic是什么 PP-TableMagic 是百度飞桨团队推出的高性能表格识别工具，用在将图片中的表格结构化信息提取出来，转换为 HTML 等格式，进行…
Open Computer Agent – Hugging Face 推出的免费云端 AI Agent 工具
Open Computer Agent是什么 Open Computer Agent 是 Hugging Face 推出的免费云端 AI Agent 工具。支持在 Lin…
ModelEngine – 华为开源的全流程 AI 开发工具链
ModelEngine是什么 ModelEngine 是华为开源的全流程 AI 开发工具链，围绕数据使能、模型使能和应用使能三大核心功能展开，解决 AI 行业化落地过程中…
BrowseComp – OpenAI 开源的 AI Agent 网络浏览能力基准
BrowseComp是什么 BrowseComp 是 OpenAI 开源的用于评估 AI Agent网络浏览能力的基准测试。包含 1266 个极具挑战性的问题，覆盖电影、…
AVD2 – 清华联合复旦等机构推出的自动驾驶事故视频理解与生成框架
AVD2是什么 AVD2（Accident Video Diffusion for Accident Video Description）是清华大学联合香港科技大学、吉林…
Gemini Robotics – 谷歌 DeepMind 推出的具身智能大模型
Gemini Robotics是什么 Gemini Robotics 是谷歌 DeepMind 推出的基于 Gemini 2.0 的机器人项目，将大型多模态模型的能力引入…
Orpheus TTS – 开源AI语音合成系统，支持多种语音风格
Orpheus TTS是什么 Orpheus TTS 是基于 Llama-3b 架构的开源文本到语音（TTS）系统。Orpheus TTS 支持生成自然、富有情感且接近人…
Spatial-RAG – 埃默里大学等机构推出的空间推理能力框架
Spatial-RAG是什么 Spatial-RAG（Spatial Retrieval-Augmented Generation）是美国埃默里大学、德克萨斯大学奥斯汀分…
Speech-02 – MiniMax 推出的新一代文本转语音模型
Speech-02是什么 Speech-02 是 MiniMax 推出的新一代文本到语音（TTS）模型。模型基于回归 Transformer 架构，实现零样本语音克隆，仅…
