AI項目和框架

LongReward是清華大學、中國科學院、智譜AI聯合推出的，基于AI反饋改進長文本大型語言模型（LLMs）性能的方法。LongReward從有用性、邏輯性、忠實性和完整性...

Fish Agent是FishAudio推出的創新的端到端語音處理模型，集成自動語音識別（ASR）和文本到語音（TTS）技術，無需傳統的語義編碼器/解碼器，即可實現語音到語...

MeetingMind是AI驅動的會議助手，基于錄音和文件上傳功能自動轉錄會議音頻，從中提取關鍵信息，如任務、決策和問題，幫助用戶輕松捕獲和分析會議內容，采取行...

星辰大模型平臺是中國電信推出的AI大模型集合平臺，覆蓋語義、視覺、語音等多模態領域。包含不同參數量級的模型，支持長文本處理，具備多語種語音識別和多任...

Fast GraphRAG 是微軟推出的高效的知識圖譜檢索框架，旨在提供可解釋性和高精度的代理驅動檢索工作流。它結合了檢索增強生成（RAG）技術和知識圖譜，提升大型...

Stagehand是簡單和可擴展的AI網頁瀏覽框架，是Playwright的繼承者，提供act、extract和observe三個簡單的API，支持自然語言驅動的網頁操作。Stagehand提供一...

VideoTuna是集成多種AI視頻生成模型的代碼庫，支持文本到視頻、圖像到視頻和文本到圖像的轉換。VideoTuna提供預訓練、持續訓練、后訓練對齊和微調等全面視頻...

ComfyUI-MochiEdit是基于ComfyUI和Genmo Mochi的開源視頻編輯工具，基于將視頻轉換為噪聲、重新采樣實現視頻編輯，支持局部編輯和視頻轉視頻功能。用戶能調整...

HiCo是360 AI研究院推出的基于擴散模型的層次化可控布局到圖像生成模型，HiCo基于多分支結構設計，實現對對象位置和文本描述的精確控制。HiCo的關鍵特點在于...

Ferret-UI 2是蘋果公司推出的多模態大型語言模型，用在理解和交互移動用戶界面。Ferret-UI 2能識別和理解各種移動設備屏幕上的UI元素，執行復雜的用戶指令，...

MMBench-Video是新穎的長視頻多題問答基準測試，是浙江大學、上海人工智能實驗室、上海交通大學和香港中文大學聯合推出的。MMBench-Video能全面評估大型視覺...

MiniMates是高性能的輕量級數字人驅動算法，具備語音和表情兩種驅動模式，能在普通電腦上實現實時運行。基于先進的技術架構，提供極致的速度體驗和個性化定制...

MotionCLR是基于注意力機制的人體動作生成和編輯模型，能根據文本提示生成動作，支持用戶進行交互式編輯，如動作強調、減弱、替換、擦除和風格轉移。MotionCL...

DocMind是司馬閱推出的文檔智能大模型，基于Transformer結構，融合深度學習、NLP和CV技術，能處理富文本文檔的復雜結構和視覺信息，提高信息抽取準確性。DocM...

DistilQwen2是基于Qwen2大模型用知識蒸餾技術優化得到的輕量級語言模型，能提高運算效率和降低部署成本。DistilQwen2基于深度剖析大模型、增強指令數據多樣性...