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 215 / 422 页

StarVector – 开源多模态视觉语言模型，支持图像和文本到 SVG 生成

StarVector 是开源的多模态视觉语言模型，ServiceNow Research、Mila - Quebec AI Institute 和 ETS Montreal 联合开发，专注于将图像和文本转换为可缩放矢量图形（SVG）代码。 模型采用多模态架构，能同时处理图像和文本信息，直接在 SVG 代码空间中操作，生成标准的、可编辑的 SVG 文件。

阅读全文

Upheal – AI心理咨询助手，自动生成临床会话笔记

Upheal 是为心理健康专业人士设计的 AI 平台，提供自动化进展记录和视频会话功能。Upheal基于 AI 技术帮助治疗师、精神科医生和教练快速生成临床笔记，支持多种治疗方式及多语言（包括英语、西班牙语、普通话等）。

阅读全文

Reve Image – Reve 推出的全新 AI 图像生成模型

Reve Image 是 Reve 推出的全新 AI 图像生成模型。专注于提升美学表现、精确的提示遵循能力以及出色的排版设计，能生成高质量的视觉作品。模型在生成图像时展现出强烈的设计感，作品简洁大气，具有海报风格的视觉冲击力。

阅读全文

LHM – 阿里通义开源的单图生成可动画3D人体模型

LHM（Large Animatable Human Reconstruction Model）是阿里巴巴通义实验室推出的从单张图像重建可动画化3D人体模型。基于多模态Transformer架构，融合3D几何特征和2D图像特征，用注意力机制保留服装几何与纹理细节，推出头部特征金字塔编码方案增强面部细节恢复能力。

阅读全文

aoGen – AI服装模特生成工具，快速生成多种风格和肤色的虚拟模特

aoGen 是专为电商行业设计的 AI 图像生成工具，帮助商家和设计师高效生成高质量的视觉内容。能快速生成多种风格的虚拟模特，支持不同肤色和外观选择，满足不同品牌的需求。aoGen 提供虚拟试衣功能，让顾客能直观感受服装上身效果，增加购买意愿降低退货率。

阅读全文

Browseragent – 浏览器AI自动化工具，零代码创建和执行工作流

Browseragent是基于浏览器的AI自动化工具，直接在浏览器中创建和运行AI工作流，无需API调用费用，实现零成本的无限次执行。Browseragent基于无代码可视化编辑器，用户能轻松构建复杂的工作流，支持文本处理、网页抓取、文件操作等多种任务。

阅读全文

MoshiVis – Kyutai 开源的多模态实时语音模型

MoshiVis 是 Kyutai 推出的开源多模态语音模型，基于 Moshi 实时对话语音模型开发，增加了视觉输入功能。能实现图像的自然、实时语音交互，将语音和视觉信息相结合，让用户可以通过语音与模型交流图像内容。

阅读全文

Shulex – 专注于客户之声分析的 AI SaaS 平台

Shulex 是专注于客户之声（VOC）分析的 AI SaaS 公司，通过数据洞察和智能服务帮助企业更好地了解消费者需求和市场动态。核心产品 Shulex VOC 平台，通过与各大电商平台和社交媒体的无缝集成，提供深度的客户评论分析、竞品监控、智能客服等功能。

阅读全文

DeepMesh – 清华和南洋理工推出的 3D 网格生成框架

DeepMesh 是清华大学和南洋理工大学研究人员提出的 3D 网格生成框架，基于强化学习和自回归变换器生成高质量的 3D 网格。通过两项关键创新来优化网格生成：一是高效的预训练策略，结合了新型标记化算法和改进的数据处理流程；二是引入强化学习（特别是直接偏好优化，DPO），实现生成网格与人类偏好的对齐。

阅读全文

Oliva – 开源语音RAG助手，实时语音搜索向量数据库

Oliva 是开源的语音RAG助手，结合 Langchain 和 Superlinked 技术，基于语音驱动的 RAG（检索增强生成）架构，帮助用户在 Qdrant 向量数据库中实时搜索信息。用户基于自然语音提问，Oliva 用语音转文本和实时语音通信技术，将语音指令转化为对数据库的查询，返回结构化结果。

阅读全文

pdf-craft – 开源 PDF 转 Markdown 工具

pdf-craft 是用在将 PDF 文件转换为其他格式（如 Markdown、EPUB）的工具，专注于处理扫描书籍的 PDF 文件。pdf-craft 支持提取正文内容，过滤掉页眉、页脚、脚注等非正文元素。基于结合 DocLayout-YOLO 算法和 PaddleOCR 文本识别技术，pdf-craft 能有效处理跨页问题，生成语义通顺的文本。

阅读全文

Shining Yourself – 商汤联合西安交大推出的饰品虚拟试戴技术

Shining Yourself是商汤科技提出的高保真饰品虚拟试戴技术。基于扩散模型，能实现高度逼真的饰品试戴效果，为用户带来沉浸式的虚拟体验。与传统虚拟试戴方法相比，Shining Yourself在细节呈现和真实感方面有显著提升，能更精准地模拟饰品在不同光照、角度和材质下的表现。

阅读全文

InfiniteYou – 字节跳动开源的身份保持图像生成框架

InfiniteYou（InfU）是字节跳动智能创作团队推出的基于扩散变换器（Diffusion Transformers，如 FLUX）的身份保持图像生成框架。基于 InfuseNet 将身份特征注入扩散模型，增强身份相似度，保持图像生成能力。

阅读全文

BlockDance – 复旦联合字节推出的扩散模型加速方法

BlockDance 是复旦大学联合字节跳动智能创作团队推出的用在加速扩散模型的新方法。BlockDance 基于识别重用相邻时间步中结构相似的时空特征（STSS），减少冗余计算，提升推理速度，最高加速 50%。

阅读全文

RuoYi AI – 全栈式 AI 开发平台，快速搭建个性化 AI 应用

RuoYi AI 是全栈式 AI 开发平台，提供完整的前端、后台管理及小程序应用，支持灵活修改和分发代码。RuoYi AI 支持本地 RAG 方案，集成 Milvus/Weaviate 等向量库，保障数据隐私与性能。平台内置 SSE、websocket 等网络协议，能对接 OpenAI、ChatGLM 等数十种大语言模型。

阅读全文

龙猫LongCat – 美团自主研发的生成式AI大模型

LongCat（龙猫）是美团自主研发的生成式AI大模型，通过人工智能技术提升公司内部工作效率和创新能力。模型具备强大的多模态能力，能处理文本、图像等多种数据类型，在生成任务上表现出色，例如快速生成图片、视频脚本、代码等。

阅读全文

Motia – AI Agent 开发框架，支持多种编程语言、一键部署智能体

Motia 是专为软件工程师设计的 AI Agent 框架，简化 AI 智能体的开发、测试和部署过程。支持多种编程语言，如 Python、TypeScript 和 Ruby，开发者可以使用熟悉的语言编写智能体逻辑，无需学习专有领域特定语言。

阅读全文

Soundwave – 港中文深圳开源的语音理解大模型

Soundwave是香港中文大学（深圳）开源的语音理解大模型，专注于语音与文本的智能对齐和理解。通过创新的对齐适配器和压缩适配器技术，有效解决了语音和文本在表示空间上的差异，实现了高效的语音特征压缩，能更好地处理语音任务。

阅读全文