PhotoPrism 是一個開源的AI照片管理工具，用 Go 語言編寫，旨在為用戶提供一個去中心化的照片存儲和組織解決方案。支持用戶在自己的硬件上運行，完全控制自己...

Claude Dev是一個集成在Visual Studio Code中的AI編程助手，基于Anthropic公司的Claude 3.5 Sonnet模型，為開發(fā)者提供自動化的編程支持。Claude Dev自動處理...

FaceSwap 是一個開源的AI軟件，用于創(chuàng)建深度偽造（Deepfakes）視頻和圖像。基于深度學習技術(shù)，在視頻或圖片中將一個人的臉替換成另一個人的臉。FaceSwap 支持...

Seed-Music是字節(jié)跳動推出的AI音樂生成大模型，將用戶錄制的 10 秒音頻轉(zhuǎn)化為完整的音樂作品。通過自回歸語言模型和擴散方法，根據(jù)用戶的多模態(tài)輸入（如風格...

ConFiner 是一個創(chuàng)新的視頻生成框架，由多所大學和研究機構(gòu)共同推出。結(jié)合多個現(xiàn)成的擴散模型專家，無需額外訓練可生成高質(zhì)量且連貫的視頻內(nèi)容。

M2UGen是先進的多模態(tài)音樂理解和生成框架，由騰訊PCG ARC實驗室與新加坡國立大學聯(lián)合推出。結(jié)合了大型語言模型（LLM）的能力，能處理包括文本、圖像、視頻和...

Nemotron-Mini-4B-Instruct是英偉達推出的一款開源小型語言模型，專為角色扮演、檢索增強生成（RAG）和函數(shù)調(diào)用任務優(yōu)化。模型通過蒸餾、剪枝和量化技術(shù)優(yōu)化...

PoseTalk 是基于文本和音頻的姿勢控制和運動細化方法的開源項目，用于一次性生成會說話的頭部視頻。從圖像、驅(qū)動音頻和驅(qū)動姿勢合成說話人臉視頻，為用戶提供...

Follow-Your-Canvas 是由騰訊混元團隊與清華大學等機構(gòu)合作推出的一種高分辨率視頻擴展技術(shù)。通過分布式處理和布局對齊兩個核心設計，將視頻內(nèi)容擴展到任意分...

Filmfotos是由DynamicWang推出的的基于Flux架構(gòu)的LoRA模型，專注于模擬和還原膠片的質(zhì)感效果。以低飽和度的日系膠片風格為特點，為照片帶來柔和、細膩的復古...

Faster Whisper 是一個基于OpenAI Whisper模型的高效語音識別工具，運用CTranslate2引擎實現(xiàn)快速推理。在保持高準確度的同時，提升語音轉(zhuǎn)寫速度，降低內(nèi)存使...

SwiftBrush V2 是文本到圖像的單步擴散模型，通過改進訓練方法和模型融合技術(shù)，實現(xiàn)與多步Stable Diffusion擴散模型相媲美的性能。模型通過更好的權(quán)重初始化...

Jina-embeddings-v3 是 Jina AI 推出的一款先進的文本嵌入模型，專為多語言數(shù)據(jù)處理和長文本上下文檢索任務設計。模型擁有 5.7 億參數(shù)，支持長達 8192 個 tok...

Click2Mask 是一種先進的圖像編輯技術(shù)，支持用戶通過在圖片上簡單點擊來實現(xiàn)局部編輯，無需復雜的遮罩或詳細描述。通過動態(tài)生成遮罩，結(jié)合混合潛在擴散（BLD...

DrawingSpinUp 是一種先進的3D動畫生成技術(shù)，由香港城市大學的研究團隊推出。模型將平面的角色繪畫轉(zhuǎn)化為具有3D效果的動態(tài)動畫，同時保留原始藝術(shù)作品的風格...