AI文章
AI文章
整理 AI 项目、模型、工具和行业动态，给出更容易读懂的背景与使用参考。
内容精选
最新 AI 文章
PixelHacker – 华中科技联合VIVO推出的图像修复模型
PixelHacker 是华中科技大学和 VIVO AI Lab联合推出的图像修复（Image Inpainting）模型。基于引入潜在类别引导（Latent Categories Guidance, LCG）范式，分别对前景和背景进行编码，基于线性注意力将特征注入去噪过程中，实现结构和语义的一致性。
阅读全文LegoGPT – 卡内基梅隆大学推出的乐高积木设计模型
LegoGPT 是卡内基梅隆大学推出的乐高积木设计模型，支持基于文本提示生成物理稳定且能构建的乐高积木模型。LegoGPT 基于自回归语言模型和大规模乐高设计数据集进行训练，根据用户输入的文本描述逐步生成乐高结构，确保设计的稳定性和可组装性。
阅读全文Comet – Perplexity AI 推出的 AI 浏览器
Comet 是 Perplexity AI 推出的 AI 驱动的网络浏览器。Comet 专注于复杂研究任务，提供深度信息整合和跨平台协同功能，根据浏览内容自动执行任务，如预约会议、发送邮件等。
阅读全文Seed-Coder – 字节跳动开源的代码模型系列
Seed-Coder是字节跳动开源的8B规模代码模型系列，提升代码生成与理解能力。包含Base、Instruct和Reasoning三个版本，分别适用于代码补全、指令遵循和复杂推理任务。
阅读全文ListenHub – AI播客生成工具，可将任何内容快速生成播客
ListenHub是 AI 播客生成工具，支持中文和英语，可将任何内容快速生成播客，提供超真实的人声体验，让播客听起来像自然对话。能根据用户的兴趣推荐新鲜热门话题。
阅读全文Poify – 快手推出的AI电商营销工具，一键AI模特虚拟试衣
Poify是快手推出的AI电商营销工具，帮助商家和创意工作者快速生成高质量的图片内容。包括 AI 模特试衣、换背景影棚风格、局部重绘等，能满足商家在商品展示图制作上的多样化需求。
阅读全文AI教程
AI工具集提供各种热门AI教程与学习资源，帮助你安装、运行、测试和使用各大热门AI工具。快速学习AI产品工具的使用技巧，掌握各种AI产品工具有趣又有用的玩法。
阅读全文Mogao – 字节跳动Seed团队推出的多模态理解与生成统一架构
Mogao是字节跳动Seed团队推出的交错多模态生成全基础模型。在架构上采用了双视觉编码器，结合变分自编码器（VAE）和视觉变换器（ViT），能更好地进行视觉理解并改善图像生成的上下文对齐。
阅读全文FlowGram – 字节跳动开源的可视化工作流搭建引擎
FlowGram是字节跳动开源的基于节点编辑的可视化工作流搭建引擎，帮助开发者快速构建固定布局或自由连线布局的工作流。支持两种布局模式：固定布局适合顺序工作流和决策树，提供层次化结构和灵活的分支、复合节点；自由布局支持节点自由定位和手动连线，适合网络图和思维导图，支持对齐、自动布局等功能。
阅读全文makeAd – AI广告创意平台，自动创建符合品牌调性的视觉内容
makeAd 是基于人工智能的广告创意平台，专为品牌和营销人员设计，快速生成高质量的广告素材。核心功能包括智能场景生成、AI 驱动的产品模型图创建以及虚拟模特试穿功能。
阅读全文Parakeet TDT 0.6B – 英伟达开源的自动语音识别模型
Parakeet TDT 0.6B 是英伟达推出的开源自动语音识别（ASR）模型。采用FastConformer编码器和TDT解码器架构，通过预测文本标记及其持续时间加速推理，减少计算开销。模型在1秒内可转录60分钟音频。
阅读全文FunGPT – 开源AI情感调节项目，基于InternLM2.5系列模型
FunGPT 是基于 InternLM2.5 系列大模型开发的开源项目，专为情感调节设计。具备两大核心功能：甜言蜜语模式和犀利怼语模式。甜言蜜语模式能用温暖的话语和独特的夸奖提升用户心情，犀利怼语模式以幽默风趣的方式帮助用户释放压力。
阅读全文VITA-Audio – 开源的端到端多模态语音大模型，低延迟、推理快
VITA-Audio 是开源的端到端多模态语音大模型，具有低延迟、推理速度快的特点。通过轻量级的多模态交叉标记预测（MCTP）模块，可在首次前向传播中生成音频输出，将生成首个音频标记块的时间大幅缩短，显著降低流式场景下的延迟。
阅读全文SuperEdit – 字节跳动等机构推出的图像编辑方法
SuperEdit是字节跳动智能创作团队和佛罗里达中央大学计算机视觉研究中心联合推出的指令引导图像编辑方法，基于优化监督信号提高图像编辑的精度和效果。SuperEdit基于纠正编辑指令，与原始图像和编辑图像对更准确地对齐，引入对比监督信号，进一步优化模型训练。
阅读全文Image-AI.pro – 免费AI图像生成平台，精准捕捉创作意图和细节需求
Image-AI.pro 是专业级的 AI 图像生成平台，基于强大的 img-v2 Pro 引擎驱动，能生成高质量、多风格的图像作品。具备高级语义理解能力，能精准捕捉用户的创作意图和细节需求，支持从写实摄影到艺术插画等多种风格，能精确控制光线、色调和拍摄角度，满足专业创作需求。
阅读全文Open Code Reasoning – 英伟达开源的代码推理AI模型
Open Code Reasoning（OCR）是英伟达开源的代码推理AI模型，基于Nemotron架构，专为提升代码推理和生成能力设计。OCR包含32B、14B和7B三种模型版本，分别适用于高性能推理、平衡计算需求以及资源受限的环境。
阅读全文KuaiMod – 快手推出的自动化短视频质量判别框架
KuaiMod 是快手推出的基于多模态大模型的短视频质量判别框架，能高效识别和过滤有害及低质量内容。框架借鉴普通法（Common Law）体系，基于案例驱动的方式动态更新审核策略，快速适应短视频平台上内容的快速变化。
阅读全文LTXV-13B – Lightricks开源的最新视频生成模型
LTXV-13B 是Lightricks推出的开源 AI 视频生成模型，拥有 130 亿参数。具备极高的生成速度，比同类产品快 30 倍，能在普通消费级显卡（如 4090/5090）上运行，推理速度快且成本低。
阅读全文