AI項目和框架

D-Edit是基于圖像和文本的多功能圖像編輯框架，基于預訓練的擴散模型和獨特的提示（prompts）實現對圖像中特定項目的精確控制和編輯。框架能處理包括基于圖像...

PromptFix是微軟開發的開源AI圖像修復工具，基于擴散模型技術，能根據用戶指令處理損壞的圖片，移除不需要的元素。PromptFix支持多種圖像處理任務，包括上色...

Red_Panda 是 Recraft V3 在發布初期使用的化名，是Recraft AI推出的先進AI圖像生成模型，以卓越的性能在圖像生成領域樹立新標準。在Hugging Face的Text-to-I...

Show-o是集成了多模態理解和生成的統一Transformer模型。通過結合自回歸和離散擴散建模，能靈活處理包括視覺問答、文本到圖像生成、文本引導的修復和擴展，混...

MimicTalk是浙江大學和字節跳動共同研發推出的，基于NeRF（神經輻射場）技術，能在極短的時間內，僅需15分鐘訓練出個性化和富有表現力的3D說話人臉模型。Mimi...

Wonder Animation 是 Autodesk 旗下 Wonder Dynamics 推出的創新 AI 技術，Wonder Animation測試版現已上線Wonder Studio。Wonder Animation基于 Video to 3D...

TimeSuite是上海AI Lab推出的新型框架，能提升多模態大型語言模型（MLLMs）在長視頻理解任務中的表現。基于引入高效的長視頻處理框架、高質量的視頻數據集Tim...

EMMA是Waymo基于Gemini模型推出的端到端自動駕駛多模態模型，能將原始相機傳感器數據直接映射到駕駛特定輸出，如規劃軌跡、感知對象和道路圖元素。EMMA將非傳...

DreamVideo-2是創新的零樣本視頻定制框架，是復旦大學和阿里巴巴集團等機構聯合推出。DreamVideo-2能根據單一圖像和界定框序列生成具有特定主題和精確運動軌...

NotebookMLX是開源版本的NotebookLM，集成NotebookLlama的功能，能將PDF文檔轉換成易于理解和分享的音頻播客形式。項目基于MLX技術實現自然語言處理功能，包...

HOVER是英偉達推出的1.5M小模型，全稱為“Humanoid Versatile Controller”，即人形機器人的多功能全身神經通用控制器。模型用150萬參數實現對機器人復雜動作的...

Voice Changer是Cartesia推出的新模型，能將任何音頻剪輯的語音轉換成其他音色，且保留原始音頻的情感和表達。用戶從Cartesia提供的多種高質量聲音庫中選擇，...

Oasis是世界上首款AI實時生成的游戲，由Decart和Etched聯合推出。游戲能以每秒20幀的速度實時渲染交互式視頻內容，無需游戲引擎，通過AI模型直接生成。玩家可...

夸克靈知是夸克公司全新推出的智能學習學習大模型，具備博士生級別的推理能力。基于AI技術為用戶提供分步驟題目講解，能隨時回答問題。在考研數學等題目的正...

OSAID 1.0（The Open Source AI Definition – 1.0）是Open Source Initiative（OSI）發布的官方標準，用在明確AI系統成為開放源代碼的條件。參與制定OSAID 1....