Unique3D是由清華大學團隊開源的一個單張圖像到3D模型轉換的框架，通過結合多視圖擴散模型和法線擴散模型，以及一種高效的多級上采樣策略，能夠從單張圖片中...

琴樂大模型是由騰訊AI Lab與騰訊TME天琴實驗室共同研發的人工智能音樂創作大模型，該模型通過輸入中英文關鍵詞、描述性語句或音頻，能夠直接生成立體聲音頻或...

Diffutoon是由阿里巴巴和華東師大的研究人員推出的一個將視頻轉換為卡通動漫風格的AI框架，基于擴散模型的可編輯卡通著色技術，能夠將真實感視頻轉換成動漫風...

ExVideo是由阿里巴巴和華東師大的研究人員推出的一種視頻合成模型的后調優技術，能夠擴展現有視頻合成模型的時間尺度，以生成更長的視頻。該團隊基于Stable V...

Toucan TTS是由德國斯圖加特大學自然語言處理研究所（IMS）開發的文本到語音合成工具箱，支持超過7000種語言，包括多種方言和變體，提供多說話人語音合成、語...

MOFA-Video是由騰訊AI實驗室和東京大學的研究人員開源的一個可控性的圖像生成視頻的模型，該技術利用生成運動場適應器對圖像進行動畫處理以生成視頻。

CriticGPT是OpenAI發布的一個新型人工智能模型，基于GPT-4構建，專門用于審查和識別大型語言模型（如ChatGPT）生成的代碼中的錯誤。CriticGPT通過人類反饋強...

Gemma 2是谷歌DeepMind推出的新一代開源人工智能模型，包含90億和270億參數版本。該模型以卓越的性能、高效的推理速度和廣泛的硬件兼容性為特點，能夠與參數...

FreeAskInternet是一個免費開源的本地AI搜索引擎，整合了GPT-3.5等先進的大型語言模型（LLM）和SearXNG元搜索引擎，為用戶提供搜索和智能答案生成服務。

Fish Speech是一款由Fish Audio開發的開源的文本到語音（TTS）工具，支持中文、英文和日文。通過約15萬小時的多語種數據訓練，實現了接近人類水平的語音合成...

Moshi是由法國的的人工智能研究實驗室Kyutai推出的一款端到端實時音頻多模態AI模型，擁有聽、說、看的能力，并能模擬70種不同的情緒和風格進行交流。作為對標...

Kimi瀏覽器插件是月之暗面科技有限公司推出的一款官方工具，它集成了即時問答、全文摘要和劃線互動等實用功能。用戶可以輕松劃線提問，獲取上下文相關答案，...

EchoMimic是阿里螞蟻集團推出的AI數字人開源項目，賦予靜態圖像以生動語音和表情。通過深度學習模型結合音頻和面部標志點，創造出高度逼真的動態肖像視頻。不...

MimicMotion是騰訊的研究人員推出的一個高質量的人類動作視頻生成框架，利用置信度感知的姿態引導技術，確保視頻幀的高質量和時間上的平滑過渡。此外，MimicM...

FunAudioLLM是阿里巴巴通義實驗室推出的開源語音大模型項目，包含SenseVoice和CosyVoice兩個模型。SenseVoice擅長多語言語音識別和情感辨識，支持超過50種語...