Snapcut是一款先進(jìn)的AI視頻編輯工具，專門設(shè)計用于將長篇視頻內(nèi)容轉(zhuǎn)換為適合社交媒體平臺的短格式視頻。通過上傳視頻或視頻鏈接，基于 AI 技術(shù)分析內(nèi)容，自動...

LLaMA-Omni 是中國科學(xué)院計算技術(shù)研究所和中國科學(xué)院大學(xué)研究者推出的新型模型架構(gòu)，用于實現(xiàn)與大型語言模型（LLM）的低延遲、高質(zhì)量語音交互。通過集成預(yù)訓(xùn)...

SCoRe（Self-Correction via Reinforcement Learning）是谷歌DeepMind推出的一種創(chuàng)新的多輪強(qiáng)化學(xué)習(xí)方法，旨在提高大型語言模型（LLM）的自我糾錯能力。通過...

AiNiee 是一款A(yù)I翻譯工具，能一鍵自動翻譯RPG、SLG游戲、Epub、TXT格式的小說、Srt、Lrc字幕文件等。工具支持多格式文件，接入多個主流AI接口平臺，如OpenAI...

ANTO是一款開源的Windows桌面字幕翻譯工具，用于翻譯SRT格式的視頻字幕文件。集成多種翻譯引擎，如谷歌翻譯、DeepL、微軟翻譯、百度翻譯和有道翻譯等，用戶根...

OpenMusic 是一款基于 QA-MDT（Quality-aware Masked Diffusion Transformer）技術(shù)的高質(zhì)量文生音樂模型。基于先進(jìn)的AI算法，根據(jù)文本描述生成高質(zhì)量的音樂作...

SFR-RAG是由Salesforce AI Research推出的一款大型語言模型，專注于提升機(jī)器在理解和生成文本方面的應(yīng)用能力。模型特別強(qiáng)調(diào)對上下文的忠實理解，在檢索增強(qiáng)生...

oneWebot2是一款微信AI機(jī)器人一鍵運(yùn)行軟件包，用戶下載exe文件后，雙擊即可啟動，無需復(fù)雜的Python環(huán)境配置。有圖形化界面，簡化配置流程，非技術(shù)用戶輕松設(shè)...

GOT-OCR 2.0是一種先進(jìn)的光學(xué)字符識別（OCR）模型，推動OCR技術(shù)進(jìn)入2.0時代。GOT-OCR 2.0端到端的模型由高壓縮編碼器和長上下文解碼器組成，能處理包括文本、...

豆包PixelDance是字節(jié)跳動最新推出的AI視頻生成模型，采用DiT結(jié)構(gòu)，支持文生視頻和圖生視頻。它能理解復(fù)雜指令，生成長達(dá)10秒的連貫視頻片段，涵蓋多主體交互...

豆包Seaweed是字節(jié)跳動推出的AI視頻生成模型，支持文生視頻和圖生視頻兩種模式。基于Transformer結(jié)構(gòu)，利用時空壓縮技術(shù)進(jìn)行訓(xùn)練，原生支持多分辨率輸出，適...

PortraitGen是中國科學(xué)技術(shù)大學(xué)研究團(tuán)隊推出的一款A(yù)I人像視頻編輯工具。基于3D高斯濺射技術(shù)和神經(jīng)高斯紋理機(jī)制，將2D人像視頻轉(zhuǎn)換為4D高斯場，實現(xiàn)高質(zhì)量的3D...

MMMLU（多語言大規(guī)模多任務(wù)語言理解）是由OpenAI推出的一個開源數(shù)據(jù)集，旨在評估和提升人工智能模型在不同語言、認(rèn)知和文化背景下的性能而設(shè)計。MMMLU建立在...

Llama 3.2是Meta公司最新推出的開源AI大模型系列，包括小型和中型視覺語言模型（11B和90B參數(shù)）以及輕量級純文本模型（1B和3B參數(shù)）。Llama 3.2模型專為邊緣...

MIMO是阿里巴巴集團(tuán)智能計算研究所推出的可控角色視頻合成的新型AI框架，基于空間分解建模技術(shù)，將2D視頻轉(zhuǎn)換為3D空間代碼，實現(xiàn)對角色、動作和場景的精確控...