AI导哈

工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 212 / 422 页

Vidu Q1 – 生数科技推出的高可控视频大模型

Vidu Q1 是清华大学人工智能研究院副院长、生数科技创始人兼首席科学家朱军教授团队推出的高可控视频大模型。支持生成1080p高清视频，画质细腻，细节丰富，能满足5秒视频的生成需求。首尾帧功能升级后，仅需两张图即可生成电影级的自然运镜效果。

阅读全文

OmniSQL – 开源文本到 SQL 模型，自然语言转换为 SQL 查询语句

OmniSQL 是开源的文本到 SQL 模型，将自然语言问题高效转换为 SQL 查询语句。通过创新的数据合成框架生成了首个百万量级的文本到 SQL 数据集 SynSQL-2.5M，包含 250 万条高质量样本，覆盖 16,000 余个跨领域数据库，样本涵盖多种复杂度层级和语言风格。

阅读全文

RoboOS – 智源研究院推出的首个跨本体具身大小脑协作框架

RoboOS是智源研究院推出的首个跨本体具身大小脑协作框架。基于“大脑-小脑”分层架构，具身大脑RoboBrain负责全局感知与决策，小脑技能库负责低延迟精准执行，跨机器人数据中枢则实时共享空间、时间和本体记忆，形成感知-认知-决策-行动的闭环。

阅读全文

RoboBrain – 智源研究院开源的具身大脑模型

RoboBrain是智源研究院推出的开源具身大脑模型，推动单机智能迈向群体智能。由三个模块组成：用于任务规划的基座模型、用于可操作区域感知的A-LoRA模块和用于轨迹预测的T-LoRA模块。

阅读全文

Math24o – SuperCLUE 开源的高中奥林匹克数学竞赛推理测评基准

Math24o 是中文大模型测评基准 SuperCLUE 开源的高中奥林匹克数学竞赛级别的数学推理测评基准。主要用于评估大型语言模型在数学推理方面的能力。使用2024年全国高中数学竞赛的部分预赛试题，包含21道高难度解答题，答案唯一且为整数或小数。

阅读全文

PhysGen3D – 清华等高校联合推出的单图创建交互式 3D 场景

PhysGen3D 是创新的框架，能将单张图像转换为交互式的 3D 场景，生成具有物理真实感的视频。结合了基于图像的几何和语义理解以及基于物理的模拟，通过从单张图像中推断物体的 3D 形状、姿态、物理和光照属性，创建出以图像为中心的数字孪生。

阅读全文

ChatAnyone – 阿里通义推出的实时风格化肖像视频生成框架

ChatAnyone是阿里巴巴通义实验室推出的实时风格化肖像视频生成框架。通过音频输入，生成具有丰富表情和上半身动作的肖像视频。采用高效分层运动扩散模型和混合控制融合生成模型，能实现高保真度和自然度的视频生成，支持实时交互，适用于虚拟主播、视频会议、内容创作、教育、客户服务、营销、社交娱乐、医疗健康等众多场景。

阅读全文

OpenDeepSearch – AI搜索工具，支持深度网络搜索和信息检索

OpenDeepSearch 是开源的深度搜索工具，基于开源推理模型和推理代理提升搜索性能，专为 Hugging Face 的 SmolAgents 无缝集成进行优化，支持深度网络搜索和信息检索。

阅读全文

Vibe Draw – AI 3D建模工具，涂鸦草图一键转为3D模型

Vibe Draw是开源的 AI 3D建模工具，支持将用户在2D画布上绘制的涂鸦草图转化为精美的3D模型。用户能用文本提示或继续绘制迭代优化模型，一键导出为标准格式（.glTF）。Vibe Draw打破技术门槛，让任何人无需专业技能轻松实现3D创意。

阅读全文

Get笔记官网 – 得到团队推出的 AI 笔记应用

Get笔记是得到团队推出的AI高效笔记应用。支持多种记录方式，包括AI语音记录、AI图片记录、AI链接记录和传统文字输入。用户可以随时随地通过语音、文字、图片或链接快速记录灵感和信息。

阅读全文

MeshifAI – AI 3D模型生成平台，支持生成简单模型和纹理模型

MeshifAI 是AI文本转 3D 模型生成平台，能根据用户输入的文本提示快速生成 3D 模型，支持生成简单模型和纹理模型（PBR）两种类型，生成的模型为 .glb 格式，兼容 Blender、Unity、Unreal 等多种 3D 建模软件。

阅读全文

TripoSF – VAST AI 开源的新一代 3D 基础模型

TripoSF是VAST推出的新一代3D基础模型，突破传统3D建模在细节、复杂结构和扩展性上的瓶颈。采用SparseFlex表示方法，结合稀疏体素结构，仅在物体表面附近的区域存储和计算体素信息，大幅降低内存占用，支持高分辨率训练和推理。

阅读全文

《2024年中国人工智能产业研究报告》（PDF文件）

《2024年中国人工智能产业研究报告》，深入剖析中国AI产业在2024年的发展状况、趋势及挑战。报告指出，2024年国家高度重视AI技术发展，纳入国家战略，各地政府纷纷出台支持政策，推动技术创新与产业生态建设。

阅读全文

TripoSG – VAST AI 开源的高保真 3D 形状合成技术

TripoSG 是 VAST-AI-Research 团队推出的基于大规模修正流（Rectified Flow, RF）模型的高保真 3D 形状合成技术， 通过大规模修正流变换器架构、混合监督训练策略以及高质量数据集，实现了从单张输入图像到高保真 3D 网格模型的生成。

阅读全文

PaddleSpeech – 百度飞桨团队开源的语音处理工具

PaddleSpeech 是百度飞桨团队开源的语音处理工具，提供全面的语音处理功能，包括语音识别、语音合成、声纹识别、语音翻译等。PaddleSpeech提供命令行界面、服务器和流式服务器等多种接口，方便快速上手。

阅读全文

a16z深入详解 MCP 和 AI 工具的未来

自 OpenAI 于 2023 年发布函数调用以来，我一直在思考如何才能解锁代理和工具使用的生态系统。随着基础模型变得更加智能，代理与外部工具、数据和 API 交互的能力变得越来越分散：开发人员需要为代理运行和集成的每个系统实现具有特殊业务逻辑的代理。

阅读全文

EmotiVoice – 网易有道开源的AI语音合成系统

EmotiVoice是网易有道开源的多语言、多声音和提示控制的文本到语音（TTS）系统。EmotiVoice支持英语和中文，提供超过2000种声音，支持基于提示生成带有不同情感（如开心、悲伤、愤怒等）的语音。

阅读全文

TxGemma – 谷歌推出的通用医学治疗大模型

TxGemma 是谷歌推出的用于药物发现的通用人工智能模型，通过 AI 技术加速药物研发进程。基于 Google 的 Gemma 框架开发，能理解常规文本以及化学物质、分子和蛋白质等治疗实体的结构。研究人员可以通过 TxGemma 预测潜在新疗法的关键特性，如安全性、有效性和生物利用度。

阅读全文