SWE-agent是一個由普林斯頓大學NLP組研究人員開發的開源AI程序員和軟件工程師系統，利用大型語言模型（如GPT-4）的能力，可以自動解決GitHub存儲庫中的問題。...

Parler-TTS是由Hugging Face推出的一款開源的文本到語音（TTS）模型，能夠通過輸入提示描述模仿特定說話者的風格（性別、音調、說話風格等），生成高質量、聽...

Llama 3是Meta公司最新開源推出的新一代大型語言模型（LLM），包含8B和70B兩種參數規模的模型，標志著開源人工智能領域的又一重大進步。作為Llama系列的第三...

OpenELM是Apple蘋果公司最新推出的系列高效開源的語言模型，包括OpenELM-270M、OpenELM-450M、OpenELM-1_1B和OpenELM-3B不同參數規模的版本。該大模型利用層...

PuLID是字節跳動的團隊開源的一種個性化文本到圖像生成技術，通過對比對齊和快速采樣方法，實現了無需調整模型的高效ID定制，輕松實現圖像換臉效果。

AniTalker是由來自上海交大X-LANCE實驗室和思必馳AISpeech的研究人員推出的一個對口型說話視頻生成框架，能夠將單張靜態人像和輸入的音頻轉換成栩栩如生的動...

Universal-1是AI語音初創公司AssemblyAI推出的一款多語言語音識別和轉錄模型，經過超過1250萬小時的多語種音頻數據訓練，支持英語、西班牙語、法語和德語等。

Stable Assistant是由Stability AI開發的一款聊天機器人，集成了最新的文本和圖像生成技術（Stable Diffusion 3和Stable LM 2 12B ）。該AI對話工具能夠理解...

ChatTTS是一款專為對話場景設計的支持中英文的文本轉語音（TTS）模型，基于約10萬小時的中英文數據進行訓練，能夠生成高質量、自然流暢的對話語音。

Qwen2是由阿里云通義千問團隊開源的新一代大語言模型，該系列涵蓋了從0.5B到72B不等的五個規模模型，在中文和英文基礎上增加了27種語言的高質量數據，大幅提...

ElevenLabs Reader App是由AI語音初創公司ElevenLabs推出的一款文本轉語音應用，利用AI技術將各類文本內容，如文章、PDF文件、ePub等，轉化為自然流暢、高音...

Gemma 2是谷歌DeepMind推出的新一代開源人工智能模型，包含90億和270億參數版本。該模型以卓越的性能、高效的推理速度和廣泛的硬件兼容性為特點，能夠與參數...

Moshi是由法國的的人工智能研究實驗室Kyutai推出的一款端到端實時音頻多模態AI模型，擁有聽、說、看的能力，并能模擬70種不同的情緒和風格進行交流。作為對標...

Chameleon 是 Meta（Facebook 的母公司）的人工智能研究團隊 FAIR（Facebook AI Research）發布的一個能理解和生成任意序列的圖像和文本的混合多模態模型。擁...

Mem0 是一款開源的大語言模型記憶增強工具，能夠讓 AI 擁有長期、適應性強的記憶。通過自適應記憶系統，AI能實現跨應用記住用戶的偏好和交互，提供連貫且不斷...