FireRedASR 是小紅書開源的工業級自動語音識別（ASR）模型家族，支持普通話、中文方言和英語，在普通話 ASR 基準測試中達到了新的最佳水平（SOTA），在歌詞識...

AI Chat-avatar 是 AI 驅動的數字人交互助手，通過高度個性化的互動體驗提升溝通效率與用戶參與度。具備多語言支持，能實時翻譯并進行自然對話，打破語言障礙...

MVoT（Multimodal Visualization-of-Thought）是微軟研究院、劍橋大學語言技術實驗室、中國科學院自動化研究所推出的新型多模態推理范式，基于生成圖像可視化...

HMA（Heterogeneous Masked Autoregression）是麻省理工學院、Meta和伊利諾伊大學香檳分校開源的，用在建模機器人動作視頻動態的方法。HMA基于異構預訓練，用...

DeepRant（中文名：鯨噴）是專為游戲玩家設計的多語言快捷翻譯工具。DeepRant能夠幫助玩家在國際服務器中快速進行文字交流，消除語言障礙。玩家在游戲中選中...

StochSync（Stochastic Diffusion Synchronization）是創新的圖像生成技術，專門用于在復雜空間（如360°全景圖或3D表面紋理）中生成高質量圖像。結合了擴散同...

EliGen是浙江大學和阿里巴巴集團聯合開發的新型的實體級可控圖像生成框架，通過引入區域注意力機制，無需額外參數即可將實體提示和任意形狀的空間掩碼無縫集...

Hibiki是Kyutai Labs開源的用在同時語音翻譯的解碼器模型，能實時將一種語言的語音翻譯成另一種語言的語音或文本。Hibiki基于多流語言模型架構，同步處理源語...

AlphaGeometry2 是谷歌 DeepMind 推出的先進的人工智能系統，專門用于解決國際數學奧林匹克競賽（IMO）中的幾何問題。結合了神經符號方法，將谷歌 Gemini 系...

Agentic Object Detection 是吳恩達團隊開發的新型目標檢測技術，通過智能代理（Agent）系統實現無需標注數據的目標檢測。用戶僅需輸入文字提示，AI 基于推理...

Agno 是構建智能代理（Agents）的輕量級框架。Agno 支持多模態（文本、圖像、音頻、視頻）和多代理協作，能快速創建代理，速度比 LangGraph 快 5000 倍，支持...

Copilot Edits是GitHub Copilot推出的一項功能，基于AI技術提升代碼編輯效率。Copilot Edits支持開發者在Visual Studio Code中用自然語言指令快速修改代碼，...

Project Padawan 是 GitHub 推出的自主軟件工程智能體項目，能基于 AI 技術實現軟件開發流程的高度自動化。Project Padawan能自動處理從代碼生成、環境搭建、...

Ola是清華大學、騰訊 Hunyuan 研究團隊和新加坡國立大學 S-Lab 合作開發的全模態語言模型。通過漸進式模態對齊策略，逐步擴展語言模型支持的模態，從圖像和文...

Lumina-Image 2.0 是開源的高效統一圖像生成模型，參數量為26億，基于擴散模型和Transformer架構。在圖像生成質量、復雜提示理解和資源效率方面表現出色，在...