AI导哈

AI文章

模型进展、开源项目和 AI 工具教程，读懂新东西能帮你做什么。

已收录 7,595 篇

X-Dyna – 字节联合斯坦福等高校推出的动画生成框架

X-Dyna 是基于扩散模型的动画生成框架，基于驱动视频中的面部表情和身体动作，将单张人类图像动画化，生成具有真实感和环境感知能力的动态效果。核心是 Dynamics-Adapter 模块，能将参考图像的外观信息有效地整合到扩散模型的空间注意力中，同时保留运动模块生成流畅和复杂动态细节的能力。

SynthLight – 耶鲁大学联合 Adobe 推出的人像重照明技术

SynthLight 是耶鲁大学和 Adobe Research 联合推出的基于扩散模型的人像重照明技术，通过模拟不同光照条件下的合成数据进行训练，能将人像照片重新渲染为具有全新光照效果的图像，比如添加高光、阴影或调整整体光照氛围。

Piclumen – AI图像生成工具，支持文本描述和上传参考图像生成

Piclumen 是免费的 AI 图像生成工具，专注于将文本描述快速转化为高质量图像。用户只需输入简单的文字提示，可生成风格多样的创意图像，涵盖写实、动漫、线条艺术等多种风格。

FramePainter – 哈工大联合华为诺亚推出的交互式图像编辑AI工具

FramePainter 是基于 AI 的交互式图像编辑工具，通过结合视频扩散模型和直观的草图控制，让用户能通过简单的绘制、点击或拖动操作来指示编辑意图，实现对图像的精确修改。

Step-2 mini – 阶跃星辰推出的轻量级极速大模型

Step-2 mini 是阶跃星辰推出的轻量级极速大模型，基于新一代自研 Attention 架构 MFA 开发。仅用 3% 的参数量就保留了 Step-2 超过 80% 的性能，显著提升了生成速度和性价比。

彩漩 – AI PPT生成工具，可通过主题、微信文章等生成高质量演示文稿

彩漩是集AI智能创作、多人协作与安全分享于一体的一站式PPT平台。通过AI技术实现一键生成PPT，用户只需输入主题或导入文本，可快速生成高质量的演示文稿，同时支持智能配图和文本优化，满足多样化的设计需求。

GameFactory – 香港大学和快手联合推出的可泛化游戏场景框架

GameFactory 是香港大学和快手科技联合提出的创新框架，解决游戏视频生成中的场景泛化难题。框架基于预训练的视频扩散模型，结合开放域视频数据和小规模高质量的游戏数据集，通过多阶段训练策略，实现动作可控的游戏视频生成。

TRAE-AI编程

TRAE是字节跳动推出的AI编程工具，深度融合AI能力，提供Agent与IDE双模式，Agent模式可从自然语言需求拆解到代码生成、测试、交付全流程自动推进，支持多智能体并行。

Boardy – AI人脉拓展平台，了解职业需求提供个性化连接推荐

Boardy是以人工智能和语音技术为核心，致力于帮助专业人士拓展人脉的平台。通过AI语音助手与用户进行对话，了解用户的职业需求和目标，提供个性化的连接推荐。Boardy能识别并安排用户与潜在的专业联系人之间的双向确认介绍，确保双方都能从连接中受益，有效拓展人脉网络。

synthesia – AI视频生成工具，拥有230多个AI虚拟形象

synthesia是基于人工智能的视频生成制作工具。拥有230多个AI虚拟形象，用户可选择或创建虚拟形象，输入文字后，AI能转化为相应语言的配音，驱动虚拟形象进行表达，生成逼真自然的视频。平台支持超140种语言，具备视频编辑、团队协作、一键翻译和本地化等功能，可将文档、网页等快速转化为视频。

H-Optimus-0 – 法国初创公司Bioptimus开源的病理学AI基础模型

H-Optimus-0是法国初创公司Bioptimus发布的世界上最大的开源病理学AI基础模型。模型拥有11亿参数，是在专有数据集上训练的，数据集包含从4000个临床实践的500000多张组织病理学切片中提取的数亿张图像。

Ranger – AI测试平台，通过描述自动生成测试用例

Ranger是AI测试平台，基于人工智能技术为企业提供自动化软件测试解决方案。用户可通过简单英语描述测试需求，Ranger能自动生成测试用例，利用其智能导航技术执行测试，无需依赖屏幕截图，通过HTML代码进行操作。

qbiq – 专注于空间规划和3D虚拟生成服务AI平台

qbiq是专注于空间规划生成的人工智能平台。通过生成式AI技术，为用户提供空间规划和3D虚拟游览服务。用户只需输入空间布局和设计要求，平台能在24小时内生成包含多个优化布局和3D可视化的完整规划包，帮助用户更好地了解和利用特定空间的潜力。

Social Media Agent – AI社交媒体内容管理工具，输入URL自动生成帖子

Social Media Agent是智能的社交媒体内容管理工具，基于输入的URL内容生成Twitter和LinkedIn帖子。Social Media Agent用人机交互 流程，处理社交媒体平台认证，支持用户修改或接受/拒绝生成的帖子。

百聆 – AI语音对话助手，端到端时延低至800ms

百聆(Bailing)是开源的语音对话助手，基于语音识别（ASR）、语音活动检测（VAD）、大语言模型（LLM）和语音合成（TTS）技术实现与用户的自然语音对话，实现类GPT-4o的对话效果。百聆无需GPU即可运行，端到端时延低至800ms，适用于各种边缘设备和低资源环境。

Zerox – 开源的OCR工具，零样本识别多种格式文件

Zerox是开源的本地化高精度OCR工具，基于GPT-4o-mini模型，无需提前训练实现零样本识别。Zerox支持PDF、DOCX、图片等多种格式文件，擅长处理扫描版文档及复杂布局文件，如含表格、图表等。Zerox工作流程是将文件转换为图像后进行OCR识别，最终输出Markdown格式文档，方便用户编辑和使用。

LineArt – 吉林大学等机构推出的设计绘图外观迁移框架

LineArt是吉林大学、瑞典皇家理工学院、东京工业大学等机构推出的，无需训练的高质量设计绘图外观迁移框架，能将复杂外观特征转移到详细的设计图纸上，辅助设计和艺术创作。LineArt基于模拟人类层次化的视觉认知过程，整合艺术经验指导扩散模型，生成高保真度的图像，同时精准保留设计图纸的结构细节。

Wear-Any-Way – 阿里拍立淘团队推出自由定制的虚拟试穿框架

Wear-Any-Way是阿里巴巴拍立淘团队推出的创新的虚拟试穿框架。通过稀疏对应对齐机制，实现了高保真度且可定制的虚拟试穿效果。用户可以生成逼真的试穿图像，通过简单的点击和拖动操作，精准操控服装的穿着方式，如卷起袖子、调整大衣开合等，为虚拟试穿带来了全新的交互体验。