Llama 3是Meta公司最新開源推出的新一代大型語言模型（LLM），包含8B和70B兩種參數(shù)規(guī)模的模型，標(biāo)志著開源人工智能領(lǐng)域的又一重大進(jìn)步。作為Llama系列的第三...

FunClip是阿里達(dá)摩院推出的一款完全開源、本地部署的自動(dòng)化視頻剪輯工具，通過調(diào)用阿里巴巴通義實(shí)驗(yàn)室的FunASR Paraformer系列模型實(shí)現(xiàn)視頻的自動(dòng)化語音識別...

Phi-3是微軟研究院推出的新一代系列先進(jìn)的小語言模型，包括phi-3-mini、phi-3-small和phi-3-medium三個(gè)不同規(guī)模的版本。這些模型在保持較小的參數(shù)規(guī)模的同時(shí)...

商量擬人大模型“SenseChat-Character”是商湯科技推出的一款人工智能虛擬角色對話系統(tǒng)，專注于提供個(gè)性化角色創(chuàng)建、定制和對話服務(wù)。

Hyper-SD是由字節(jié)跳動(dòng)的研究人員推出的一種高效的圖像生成框架，通過軌跡分割一致性蒸餾（TSCD）技術(shù)，結(jié)合人類反饋學(xué)習(xí)和分?jǐn)?shù)蒸餾，顯著提升了擴(kuò)散模型在少...

Arctic是由云計(jì)算巨頭Snowflake的AI研究團(tuán)隊(duì)開發(fā)的一款高效、開源的企業(yè)級大型語言模型，該大模型是一個(gè)擁有480億（480B）的參數(shù)規(guī)模，由128個(gè)細(xì)粒度的專家構(gòu)...

OpenELM是Apple蘋果公司最新推出的系列高效開源的語言模型，包括OpenELM-270M、OpenELM-450M、OpenELM-1_1B和OpenELM-3B不同參數(shù)規(guī)模的版本。該大模型利用層...

ID-Animator是由來自騰訊光子工作室、中科大和中科院合肥物質(zhì)科學(xué)研究院的研究人員推出的一種零樣本（zero-shot）人類視頻生成技術(shù)，能夠根據(jù)單張參考面部圖...

IDM-VTON是由韓國科學(xué)技術(shù)院和OMNIOUS.AI的研究人員提出的一種先進(jìn)的AI虛擬試穿技術(shù)，通過改進(jìn)擴(kuò)散模型來生成逼真的人物穿戴圖像，實(shí)現(xiàn)更真實(shí)的虛擬試穿效果。

VideoGigaGAN是由Adobe和馬里蘭大學(xué)的研究人員提出的一種新型的生成式視頻超分辨率（VSR）模型，最高可將視頻分辨率提升8倍，將模糊的視頻放大為具有豐富細(xì)節(jié)...

Stable Artisan是Stability AI推出的一款基于Discord平臺的機(jī)器人服務(wù)，利用其強(qiáng)大的AI技術(shù)和模型，如 Stable Diffusion 3 (SD3) 圖像生成和 Stable Video Di...

PuLID是字節(jié)跳動(dòng)的團(tuán)隊(duì)開源的一種個(gè)性化文本到圖像生成技術(shù)，通過對比對齊和快速采樣方法，實(shí)現(xiàn)了無需調(diào)整模型的高效ID定制，輕松實(shí)現(xiàn)圖像換臉效果。

IC-Light是一款由ControlNet作者張呂敏開發(fā)的AI圖像打光處理工具，可以對圖片進(jìn)行光源操縱和光影重構(gòu)，實(shí)現(xiàn)與不同背景的完美融合。用戶只需上傳圖片，選擇光...

AniTalker是由來自上海交大X-LANCE實(shí)驗(yàn)室和思必馳AISpeech的研究人員推出的一個(gè)對口型說話視頻生成框架，能夠?qū)螐堨o態(tài)人像和輸入的音頻轉(zhuǎn)換成栩栩如生的動(dòng)...

GPT-4o是OpenAI最新推出的一款先進(jìn)的人工智能模型，具備強(qiáng)大的多模態(tài)推理能力，能夠處理語音、文本和視覺信息。該模型能夠?qū)崟r(shí)響應(yīng)用戶輸入，并且在音頻交互...