AI項目和框架

ORMBG是開源的AI圖像分割工具，由開發(fā)者schirrmacher在GitHub上發(fā)起。ORMBG專注于從圖片中準確去除背景，用先進的圖像處理技術(shù)，實現(xiàn)對圖像中前景和背景的精...

VITA是騰訊優(yōu)圖實驗室推出的全球首個開源多模態(tài)大語言模型（MLLM），能理解和處理視頻、圖像、文本和音頻?；贛ixtral 8×7B模型，擴展了中文詞匯量，進行了...

CrewAI是專注于構(gòu)建多個 AI Agents 高效協(xié)作的開源平臺，通過簡化 AI Agents 框架的使用，企業(yè)能快速構(gòu)建和部署智能自動化解決方案。CrewAI平臺的核心優(yōu)勢在...

Phi-3.5是微軟推出的新一代AI模型系列，包含 Phi-3.5-mini-instruct、Phi-3.5-MoE-instruct 和 Phi-3.5-vision-instruct 三個版本，分別針對輕量級推理、混合...

MetaHuman-Stream 是一項前沿的實時交互流式AI數(shù)字人技術(shù)，集成了 ERNerf、MuseTalk、Wav2lip 等多種先進模型，支持聲音克隆和深度學習算法，確保對話流暢自...

Roop 是開源的AI視頻換臉工具，Roop支持用戶通過一張圖片替換視頻中的面部，無需復雜的數(shù)據(jù)集或訓練過程。安裝和使用需要一定的技術(shù)技能，適合有一定基礎(chǔ)的用...

ComfyUI-Bxb是“SD變現(xiàn)寶”，一鍵把 ComfyUI 工作流轉(zhuǎn)換成小程序，專為小程序開發(fā)者設計，實現(xiàn)快速變現(xiàn)。ComfyUI-Bxb的核心功能是將ComfyUI工作流轉(zhuǎn)換為微信小...

MARS5-TTS是CAMB.AI推出開源的AI聲音克隆工具，有突破性逼真的韻律，支持140多種語言支持。還能處理復雜韻律場景，如體育解說和動漫AI配音等。MARS5-TTS具有1...

LanceDB 是一款專為人工智能應用設計的無服務器向量數(shù)據(jù)庫，支持向量搜索、全文搜索和SQL查詢，優(yōu)化了多模態(tài)數(shù)據(jù)處理。它采用向量索引技術(shù)，實現(xiàn)高效相似度搜...

Kotaemon 是一款基于 RAG 技術(shù)的開源工具，支持用戶通過自然語言與文檔進行互動，快速檢索和理解信息。適合需要處理大量文檔的場合，如學術(shù)研究、企業(yè)文檔管...

mPLUG-DocOwl 2是由阿里巴巴通義實驗室mPLUG團隊推出的用于多頁文檔理解的多模態(tài)大型語言模型。在不依賴光學字符識別（OCR）技術(shù)的情況下，通過高分辨率文檔...

QA-MDT（Quality-aware Masked Diffusion Transformer）是由中國科學技術(shù)大學和科大訊飛聯(lián)合推出的開源音樂生成模型。模型基于文本描述生成高質(zhì)量且音樂性強...

Animate Anyone是由阿里巴巴智能計算研究院推出的一款將靜態(tài)圖像中的角色或人物進行動態(tài)化的開源框架，該框架在擴散模型的基礎(chǔ)之上，引入了ReferenceNet、Pos...

ReplaceAnything是由阿里巴巴智能計算研究院推出的一款開源AI圖像內(nèi)容替換框架，利用先進的人工智能技術(shù)，能夠?qū)崿F(xiàn)對照片或圖像中物體的智能替換。用戶可以通...

Outfit Anyone是由阿里巴巴智能計算研究院推出的一個高質(zhì)量服裝虛擬試穿的開源項目，借助該技術(shù)，用戶或模特無需親自試穿衣服即可預覽上身效果。Outfit Anyon...