OpenCodeInterpreter是一個(gè)開源的代碼解釋器系統(tǒng)，旨在通過利用大模型結(jié)合代碼生成、執(zhí)行和迭代精煉的能力，可以輔助開發(fā)者在軟件開發(fā)過程中生成、測試和優(yōu)化...

ChatMusician是由Multimodal Art Projection Research Community、Skywork AI和香港科技大學(xué)的研究人員推出的，一個(gè)開源的用于理解和生成音樂的大型語言模型...

EMO（Emote Portrait Alive）是一個(gè)由阿里巴巴集團(tuán)智能計(jì)算研究院的研究人員開發(fā)的框架，一個(gè)音頻驅(qū)動(dòng)的AI肖像視頻生成系統(tǒng)，能夠通過輸入單一的參考圖像和語...

StarCoder 2是由BigCode項(xiàng)目團(tuán)隊(duì)開發(fā)的新一代大型代碼語言模型，旨在為代碼生成、編輯和推理任務(wù)提供強(qiáng)大的支持。該系列模型在前一代StarCoder模型的基礎(chǔ)上進(jìn)...

MeloTTS 是一個(gè)由 MyShell AI 開發(fā)的開源的高質(zhì)量多語言文本轉(zhuǎn)語音（TTS）庫，能夠?qū)⑽谋巨D(zhuǎn)換成自然流暢的語音輸出，支持多種語言。MeloTTS 的語音合成速度非...

Snap Video是由Snap公司的研究團(tuán)隊(duì)開發(fā)的一個(gè)AI視頻生成模型，目標(biāo)是通過文本描述來合成視頻，即用戶可以輸入一段描述性的文本，模型能夠根據(jù)這段文本生成相...

LayerDiffusion是由來自斯坦福大學(xué)的研究人員提出的一種利用大規(guī)模預(yù)訓(xùn)練的潛在擴(kuò)散模型生成透明圖像的技術(shù)，可以幫助用戶生成單個(gè)透明圖像或多個(gè)透明圖層。...

Text-Diffuser 2是由來自微軟研究院、香港科技大學(xué)和中山大學(xué)的研究人員最新推出的一個(gè)基于擴(kuò)散模型的文本渲染方法，旨在解決圖像擴(kuò)散模型生成文字時(shí)在靈活性...

UniEdit是由浙江大學(xué)、微軟研究院和北京大學(xué)的研究人員推出的一個(gè)創(chuàng)新的視頻編輯框架，允許用戶在不需要進(jìn)行模型微調(diào)的情況下，對(duì)視頻的運(yùn)動(dòng)和外觀進(jìn)行編輯，...

DUSt3R是由來自芬蘭阿爾托大學(xué)和Naver歐洲實(shí)驗(yàn)室的研究人員推出的一個(gè)3D重建框架，旨在簡化從任意圖像集合中重建三維場景的過程，而無需事先了解相機(jī)校準(zhǔn)或視...

Claude 3是人工智能初創(chuàng)公司Anthropic開發(fā)的新一代人工智能模型，旨在提供先進(jìn)的認(rèn)知能力和智能處理任務(wù)。Claude 3模型家族包括三個(gè)不同級(jí)別的模型，按性能強(qiáng)...

ScreenAI是一個(gè)由谷歌的研究團(tuán)隊(duì)推出的可讀屏AI視覺語言模型，專門設(shè)計(jì)用于理解和處理用戶界面（UI）和信息圖表。該模型基于PaLI架構(gòu)結(jié)合了視覺和語言處理的...

ResAdapter是由字節(jié)跳動(dòng)的研究人員推出的一種為擴(kuò)散模型（如Stable Diffusion）設(shè)計(jì)的分辨率適配器，允許這些圖像生成模型生成具有任意分辨率和寬高比的圖像...

AtomoVideo是由阿里巴巴的研究團(tuán)隊(duì)提出的一個(gè)高保真圖像到視頻（I2V）生成框架，旨在從輸入的靜態(tài)圖像生成高質(zhì)量的視頻內(nèi)容。該框架能夠保持生成視頻與給定參...

Moondream是一個(gè)免費(fèi)開源的小型的人工智能視覺語言模型，雖然參數(shù)量小但可以提供高性能的視覺處理能力，可在本地計(jì)算機(jī)甚至移動(dòng)設(shè)備或 Raspberry Pi 上運(yùn)行，...