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 232 / 422 页

Videco – AI营销视频生成平台，支持多语言语音克隆和动态变量

Videco是什么 Videco 是专注于销售和市场营销的 AI 个性化视频生成平台。基于AI 技术实现语音克隆和动态变量功能，为每个潜在客户生成高度定制化的视频内容。基于集成互动元素（如表单、调查、CTA）和无缝对接 CRM、邮件工具等，Videco 帮助企业提升客户参与度、增加销售线索转化率，优化营销效果。

阅读全文

AIMv2 – 苹果开源的多模态自回归预训练视觉模型

AIMv2是苹果公司开源的多模态自回归预训练视觉模型，通过图像和文本的深度融合提升视觉模型的性能。采用创新的预训练框架，将图像划分为非重叠的图像块，将文本分解为子词令牌，然后将两者拼接为统一序列进行自回归预训练。

阅读全文

浙江大学DeepSeek系列专题讲座课件第二期（PDF文件） – AI教程资料

《DeepSeek：智能时代的全面到来和人机协作的新常态》是浙江大学孙凌云教授撰写，主要探讨了人工智能在智能时代的发展及其对人机协作模式的影响。通过分析人工智能的演变历程、人机协作的新常态、产业现状以及教育领域的应用

阅读全文

SongGen – 上海 AI Lab 和北航、港中文推出的歌曲生成模型

SongGen是上海AI Lab、北京航空航天大学和香港中文大学推出的单阶段自回归Transformer模型，用在从文本生成歌曲。SongGen基于歌词和描述性文本（如乐器、风格、情感等）作为输入，支持混合模式和双轨模式两种输出方式，分别用于直接生成人声与伴奏的混合音频，及分别合成人声和伴奏方便后期编辑。

阅读全文

CorrDiff – NVIDIA 推出的生成式 AI 模型，专注于全球气象数据

CorrDiff 是 NVIDIA 推出的生成式 AI 模型，用于将低分辨率的全球天气数据下采样为高分辨率数据，提高天气预测的准确性和效率。采用两步法处理数据：首先通过 UNet 架构预测大气变量的条件均值，然后基于扩散模型对预测结果进行精细化修正。

阅读全文

Smallpond – DeepSeek开源的轻量级数据处理框架

Smallpond是DeepSeek推出的基于 DuckDB 和 3FS 构建的轻量级数据处理框架，专为高性能和大规模数据处理设计。Smallpond支持处理 PB 级数据集，借助 DuckDB 的高性能分析能力和 3FS 的分布式存储优势，实现高效的数据加载、查询和转换。

阅读全文

3FS – DeepSeek开源的高性能分布式文件系统

3FS（Fire-Flyer File System）是DeepSeek推出的高性能分布式文件系统，专为AI训练和推理任务设计。3FS用现代SSD和RDMA网络技术，基于分离式架构聚合数千个SSD的吞吐量和数百个存储节点的网络带宽，提供高达6.6 TiB/s的读取吞吐量。3FS提供强一致性保障，提供通用文件接口，无需学习新的存储API。

阅读全文

Mahilo – AI多智能体框架，支持创建与人类互动的多智能体系统

Mahilo 是灵活的多智能体框架，支持创建与人类互动的多智能体系统。Mahilo支持实时语音和文本通信，智能体之间能自主共享上下文和信息，保持人类对交互的监督和控制。Mahilo 提供强大的组织级策略管理功能，确保所有智能体的行为和安全性一致。Mahilo 支持复杂的多智能体架构，适用于从客户服务到紧急响应等多种应用场景。

阅读全文

GPT-4.5 – OpenAI 推出的最强聊天模型

GPT-4.5 是 OpenAI 推出的最新大型语言模型，是目前规模最大、性能最强的聊天模型。基于扩展无监督学习，提升模式识别、知识广度和创意生成能力，减少了幻觉现象，让对话更自然、更符合人类交流习惯。GPT-4.5 的核心优势在于广泛的知识储备、更高的“情商”及对用户意图的精准理解，适合用于写作、编程、解决实际问题及创意设计等场景。

阅读全文

腾讯混元Turbo S – 腾讯推出的新一代快思考模型

腾讯混元Turbo S是腾讯推出的新一代快思考模型。模型采用创新的Hybrid-Mamba-Transformer融合架构，有效降低了传统Transformer的计算复杂度，减少了KV-Cache缓存占用，显著提升了训练和推理效率。

阅读全文

Zapier Agents – Zapier 推出的 AI 自动化助手工具

Zapier Agents 是 Zapier 推出的 AI 自动化工具，通过人工智能技术帮助用户高效处理各种任务。能与 Zapier 支持的 7000 多个应用程序无缝集成，例如 Salesforce、Google Sheets、Slack 等，通过自然语言交互的方式，用户可以轻松地向 AI 助手分配任务，如数据查询、文件处理、邮件自动回复等。

阅读全文

趣丸千音All Voice Lab – AI语音创作平台，提供一站式智能语音解决方案

趣丸千音All Voice Lab是全球领先的AI语音创作平台，提供一站式智能语音解决方案，基于趣丸科技与香港中文大学（深圳）联合研发的MaskGCT语音大模型开发。

阅读全文

Scribe – ElevenLabs 推出的高精度语音转文本模型

Scribe 是 ElevenLabs 推出的高精度语音转文本模型，专为多语言和复杂音频环境设计。支持99种语言，英语和意大利语的转录准确率分别达到96.7%和98.7%，在小语种上也有出色表现。

阅读全文

IndexTTS – B 站推出的文本转语音模型，支持拼音纠正汉字发音

IndexTTS 是 B 站推出的工业级可控文本转语音（TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技术，能将文本高效转化为自然流畅的语音。IndexTTS 的优势是对中文文本的处理能力，支持拼音纠正汉字发音，可通过标点符号精准控制停顿，有效解决了多音字和长尾字符的发音问题。

阅读全文

Mercury Coder – Inception Labs 推出的商业级扩散大型语言模型

Mercury Coder 是 Inception Labs 推出的首个扩散型大语言模型（dLLM），是 Mercury 系列中专门用在代码生成的模型。Mercury Coder基于“从粗到细”的生成方式，突破传统自回归模型的顺序生成限制，速度可达每秒1000个token以上，比现有优化型模型快5-10倍。

阅读全文

OmniAlign-V – 上海交大联合上海 AI Lab 等推出的高质量数据集

OmniAlign-V 是上海交通大学、上海AI Lab、南京大学、复旦大学和浙江大学联合推出的专为提升多模态大语言模型（MLLMs）与人类偏好的对齐能力设计的高质量数据集。OmniAlign-V包含约20万个多模态训练样本，涵盖自然图像和信息图表，结合开放式、知识丰富的问答对。

阅读全文

R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调

R1-Onevision 是开源的多模态大语言模型，专注于复杂视觉推理任务。基于 Qwen2.5-VL 微调而成，通过整合视觉和文本数据，能精准地进行多模态信息解释。在数学、科学、深度图像理解和逻辑推理等领域表现出色，在多项推理基准测试中超越了 Qwen2.5-VL-7B 和 GPT-4V 等模型。

阅读全文

Phi-4-Mini – 微软推出专注于文本任务的小型语言模型

Phi-4-Mini 是微软 Phi-4 系列中最新推出的专注于文本任务的小型语言模型，参数量为 38 亿。基于密集的解码器-only Transformer 架构，结合分组查询注意力（Grouped-Query Attention）、20 万词汇量和共享输入输出嵌入，专为速度和效率设计。

阅读全文