GPT-4o Long Output模型 – OpenAI最新推出的超长输出模型
GPT-4o Long Output模型是什么 GPT-4o Long Output模型是OpenAI最新推出的超长输出AI模型，支持高达64k tokens的长文本输出…
MindSearch – 上海人工智能实验室推出的AI搜索框架
MindSearch是什么 MindSearch是上海人工智能实验室联合研发团队推出的开源AI搜索框架，结合了大规模信息搜集和整理能力。利用InternLM2.5 7B对…
MuScriptor – Kyutai 联合 Mirelo 开源的多乐器音乐转录模型
MuScriptor是什么 MuScriptor 是 Kyutai 与 Mirelo 联合推出的开源多乐器音乐转录模型，可将真实世界多种流派的音乐音频自动转录为 MIDI…
Diffree – OpenGVLab推出的AI贴图框架
Diffree是什么 Diffree是由OpenGVLab推出的AI贴图框架，能根据用户的文字描述，在图片中自动找到合适的位置添加新对象。通过智能掩码预测，无需手动绘制，…
FLUX.1 – Stable Diffusion创始团队推出的开源AI图像生成模型
# 克隆FLUX.1 GitHub仓库 git clone https://github.com/black-forest-labs/flux # 进入仓库目录 cd f…
Stable Fast 3D – Stability AI推出的AI新模型，0.5秒将图片转为3D
Stable Fast 3D是什么 Stable Fast 3D（SF3D）是Stability AI推出的一种创新3D网格重建技术，能在0.5秒内从单张图片生成高质量的…
Tora – 阿里推出的AI视频生成框架
Tora是什么 Tora是阿里推出的AI视频生成框架，基于轨迹导向的扩散变换器（DiT）技术，将文本、视觉和轨迹条件融合，生成高质量且符合物理世界动态的视频内容。Tora…
Whisper-Medusa – aiOla推出的开源AI语音识别模型
Whisper-Medusa是什么 Whisper-Medusa是aiOla推出的开源AI语音识别模型，结合了OpenAI的Whisper技术与aiOla的创新，Whis…
FoleyCrafter – 上海人工智能实验室推出的AI视频配音框架
FoleyCrafter是什么 FoleyCrafter是上海人工智能实验室和香港中文大学（深圳）共同推出的AI视频配音框架，FoleyCrafter能自动听出视频中的动…
MinerU – OpenDataLab推出的开源智能数据提取工具
MinerU是什么 MinerU是上海人工智能实验室OpenDataLab团队推出的开源智能数据提取工具，专注于复杂PDF文档的高效解析与提取。MinerU能将包含图片、…
CogVideoX – 智谱AI推出的开源AI视频生成模型
CogVideoX是什么 CogVideoX是智谱AI最新推出的开源AI视频生成模型，与智谱AI的商业产品“ 清影 ”同源。CogVideoX支持英文…
PhotoMaker V2 – 腾讯推出的AI图像生成框架
PhotoMaker V2是什么 PhotoMaker V2是腾讯推出的AI图像生成框架，能在极短的时间内生成逼真的人物照片。与初代相比，V2版本在角色的一致性和可控性上…
SEED-Story – 腾讯推出的多模态故事生成模型
SEED-Story是什么 SEED-Story是腾讯联合香港科技大学、香港中文大学推出的多模态故事生成模型。基于多模态大语言模型（MLLM），能预测文本和视觉token…
FlashFace – 阿里联合香港大学推出的高保真AI写真工具
FlashFace是什么 FlashFace是阿里联合香港大学推出的高保真AI写真工具。能基于用户提供的面部图像和文本提示，快速生成个性化的高保真人像写真图。FlashF…
EasyAnimate – 阿里推出的AI视频生成工具
EasyAnimate是什么 EasyAnimate是阿里推出的AI视频生成工具，支持文生视频和图生视频两种方式，用户可以上传图片作为视频的起始和结束画面，实现更灵活的视…
EmoTalk3D – 华为、复旦联合推出的3D数字人框架
EmoTalk3D是什么 EmoTalk3D是华为诺亚方舟实验室、南京大学和复旦大学共同推出的3D数字人框架。技术的核心在于能合成具有丰富情感表达的3D会说话头像。Emo…
