AI項目和框架

美圖奇想大模型（MiracleVision）是美圖公司推出的一款AI視覺大模型，專注于美學創作，包括東方美學、人像和商業設計等。模型完成了視頻生成能力的全面升級，...

SafeEar是由浙江大學和清華大學聯合開發的AI音頻偽造檢測框架，保護用戶隱私的同時檢測音頻偽造。采用基于神經音頻編解碼器的解耦模型，分離語音的聲學信息和...

PDF2Audio 是一個開源工具，能將 PDF 文檔轉換成音頻內容，適合制作播客、講座或摘要。它基于 OpenAI 的 GPT 模型生成播客腳本，通過文本到語音技術轉化為音頻。

GraphReasoning是一種基于人工智能技術將大量科學論文轉換成知識圖譜的方法。通過結構化分析，計算節點度、識別社區及其連通性，評估關鍵節點的中心性，來揭...

Comic Translate 是一個開源的漫畫翻譯工具，由開發者 ogkalu2 推出。幫助用戶自動翻譯全球各地的漫畫，支持英語、韓語、日語、法語、簡體中文、繁體中文、俄...

PearAI 是一個開源的 AI 驅動的代碼編輯器，基于 Visual Studio Code (VSCode) 開發。PearAI 集成AI技術，減少編程工作量提高開發效率。PearAI 支持開發者直...

EzAudio是由約翰霍普金斯大學和騰訊AI實驗室共同推出的一款文本到音頻（Text-to-Audio, T2A）生成模型。基于一種高效的擴散變換器技術，用在從文本提示生成高...

FLUX-Controlnet-Inpainting 是阿里媽媽（Alibaba's Alimama）推出的一款圖像修復工具，融合 ControlNet 和 FLUX.1-dev 技術。工具根據用戶指定的掩碼區...

Rope是一款開源的AI換臉工具，基于insightface的inswapper_128模型構建，提供一個用戶友好的圖形界面。用戶通過上傳圖片或視頻，在幾秒鐘內完成換臉操作，效...

Westlake-Omni 是西湖心辰推出的全球首個開源中文情感端到端語音交互大模型。模型采用離散表示法，統一文本和語音模態的處理，特別強調實時性，快速響應用戶...

AutoGen Studio 是微軟研究院推出的一款開源界面工具，旨在簡化多智能體系統的構建、調試和評估過程。AutoGen Studio提供一個基于 Web 的交互式界面和 Python...

IDIFY是一款免費開源的在線證件照生成工具，通過AI技術實現自動摳圖，幫助用戶快速生成符合標準的證件照。用戶只需在瀏覽器中上傳照片，選擇尺寸和背景色，可...

Emu3是由北京智源人工智能研究院推出的一款原生多模態世界模型，采用智源自研的多模態自回歸技術路徑，在圖像、視頻、文字上聯合訓練，使模型具備原生多模態...

CCI 3.0是智源研究院發布的一個大規模的中文互聯網語料庫，包含了1000GB的數據集和498GB的高質量子集CCI 3.0-HQ。該版本在數據規模上相較于CCI 2.0擴大了近一...

MemFree是一款開源的混合AI搜索引擎，通過整合多種AI模型和搜索引擎，提供高效、多樣化的搜索體驗。可以用文本、圖像、文件和網頁等多種方式進行搜索和提問，...