ResAdapter – 字节推出的扩散模型分辨率适配器
ResAdapter是什么 ResAdapter是由字节跳动的研究人员推出的一种为扩散模型（如Stable Diffusion）设计的分辨率适配器，允许这些图像生成模型生…
IC-Light – ControlNet作者开源的AI图片打光工具
IC-Light是什么 IC-Light是一款由ControlNet作者张吕敏开发的AI图像打光处理工具，可以对图片进行光源操纵和光影重构，实现与不同背景的完美融合。用户…
InstantID – 高保真的个性化图像合成框架
InstantID是一种基于扩散模型的图像生成技术，专注于实现零次（zero-shot）身份保留（Identity-Preserving）的个性化图像合成。该技术允许用户…
Ruyi – 图森未来推出的图生视频大模型
Ruyi是什么 Ruyi是图森未来推出的图生视频大模型，专为在消费级显卡上运行设计，支持多分辨率、多时长视频生成，具备首帧、首尾帧控制、运动幅度控制和镜头控制等特性。Ru…
Grok-2 – xAI公司推出的新一代AI模型
Grok-2是什么 Grok-2是xAI公司推出的新一代AI模型，提供卓越的聊天、编程和推理能力。在学术基准测试中，Grok-2在GPQA、MMLU、MMLU-Pro和M…
AtomoVideo – 阿里推出的高保真图像到视频生成框架
AtomoVideo是什么 AtomoVideo是由阿里巴巴的研究团队提出的一个高保真图像到视频（Image-to-Video, I2V）生成框架，旨在从输入的静态图像生…
AniTalker – 上海交大开源的对口型说话视频生成框架
AniTalker是什么 AniTalker是由来自上海交大X-LANCE实验室和思必驰AISpeech的研究人员推出的AI对口型说话视频生成框架，能够将单张静态人像和输…
VideoCrafter2 – 腾讯推出的高质量视频生成模型
VideoCrafter2 是什么？ VideoCrafter2是一个由腾讯AI实验室开发的视频生成模型，旨在克服高质量视频数据获取的局限性，训练出能够生成高质量视频的模…
Large Action Models – 微软推出的行动大模型开发框架
Large Action Models是什么 Large Action Models（LAMs）是微软推出大型行动模型的开发框架，能执行真实世界行动的智能系统，LAMs超…
MagicPose – AI视频生成模型，能生成逼真的人体动作和面部表情
MagicPose是什么 MagicPose是南加州大学和字节跳动联合研发的AI视频生成模型，无需任何微调，直接生成逼真的人类动作和面部表情视频。MagicPose通过一…
Moondream – 开源的轻量级AI视觉语言模型，可在本地快速运行
git clone https://github.com/vikhyat/moondream.git cd moondream pip install -r requir…
StyleShot – 开源的AI图像风格迁移模型
StyleShot是什么 StyleShot 是开源的AI图像风格迁移模型，无需额外训练即可实现任意风格到任意内容的迁移。通过风格感知编码器提取风格特征，基于内容融合编码…
混元DiT – 腾讯混元开源的文生图扩散模型Hunyuan-DiT
混元DiT是什么 混元DiT（Hunyuan-DiT）是由腾讯混元团队开源的一款高性能的文本到图像的扩散Transformer模型，具备细粒度的中英文理解能力，能够根据文…
Screenshot to Code – AI将截图转换为网页代码的开源项目
Screenshot to Code是什么 Sscreenshot to Code是一个开源的项目，利用人工智能技术（GPT-4V 和 DALL-E 3）将用户的屏幕截图…
Leffa – Meta 开源的图像生成框架，精确控制人物的外观和姿势
Leffa是什么 Leffa（Learning Flow Fields in Attention）是 Meta AI推出的用在可控人物图像生成框架，基于在注意力机制中引入…
Agent Q – MultiOn公司推出的AI智能体，可以自我学习进化
Agent Q 是什么 Agent Q是MultiOn公司联合斯坦福大学推出的自监督代理推理和搜索框架。Agent Q融合了引导式蒙特卡洛树搜索（MCTS）、AI自我批评…
