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
文章列表，第 262 页
万物追踪 – Huigu推出的生成式AI信息推送应用
万物追踪是Huigu推出的生成式AI驱动的信息推送应用，万物追踪能从全球海量数据中精准捕捉用户关心的各类事件，如政策变化、产品折扣、股票动态、赛程信息等，即时生成定制内容推送给用户。
Mini-InternVL – 上海AI Lab联合清华等机构推出的轻量级多模态大模型
Mini-InternVL是“迷你版”书生·万象大模型，是上海AI实验室与清华大学、南京大学等机构联合推出的轻量级多模态大型语言模型系列，包含1B、2B和4B三个参数版本，用较小的参数量实现较高的性能，其中Mini-InternVL-4B仅用5%的参数量达到InternVL2-76B约九成的性能。
ParGo – 字节与中山大学联合推出的多模态大模型连接器
ParGo是字节团队与中山大学合作提出的创新的多模态大语言模型连接器，提升视觉和语言模态在多模态大语言模型（MLLMs）中的对齐效果。通过结合局部token和全局token，使用精心设计的注意力掩码分别提取局部和全局信息。
MangaNinja – 基于参考图像的线稿着色技术
MangaNinja是基于参考图像的线稿上色方法，具备精准匹配和细致控制的能力。通过创新的补丁重排模块和点驱动控制方案，提升了上色的准确性与图像质量。能应对多样化的上色挑战，包括极端姿势和多参考图像的协调，实现高质量的互动上色体验。
CogVideoX-Flash – 智谱推出的首个免费AI视频生成模型
CogVideoX-Flash 是智谱推出的首个免费AI视频生成模型，继承CogVideoX自研的端到端视频理解模型，具备强大的视频生成能力。CogVideoX-Flash支持文生视频，依据输入的文本描述精准地生成相应的动态视频内容。
Aibiye – AI论文写作辅助平台，一键生成原创论文
Aibiye是AI论文写作辅助平台，基于Multimodal+Global Thought Chain语言模型，为用户提供从开题报告到完整论文的生成服务。用户只需输入关键词、选择专业和字数，甚至上传开题报告，Aibiye能快速生成高质量的论文初稿，节省写作时间。
CogView-3-Flash – 智谱推出的首个免费AI图像生成模型
CogView-3-Flash 是智谱推出的首个免费AI图像生成模型，能根据文本描述生成高审美分数的图像，支持多种分辨率，满足专业领域需求。模型具备创意多样性，基于用户输入生成富有想象力的图像，为创意工作提供灵感。
GLM-Realtime – 智谱推出的端到端多模态模型
GLM-Realtime是智谱推出的全新端到端多模态模型，具备低延迟的视频理解与语音交互能力，特别融入清唱功能，让大模型在对话中能展现歌唱才能。模型支持长达2分钟的内容记忆以及Function Call功能，支持灵活调用外部知识和工具，拓展应用范围。
豆包AI编程 – 豆包推出的AI编程新功能，解决编程难题
豆包AI编程是豆包推出的AI编程新功能。基于AI技术，提供更便捷的代码导入流程，支持一键上传多个本地代码文件和实时引入GitHub开源仓库，快速获取项目的完整上下文。豆包AI编程具备更高效的交互体验，基于全新的代码编辑器，用户能沉浸式阅读代码，并精准圈选代码进行提问。
15个免费的AI图生视频工具，用AI让图片动起来
在当今这个信息爆炸、视觉内容为王的时代，视频已成为人们传递信息、表达创意、娱乐消遣的首选方式之一。然而，制作高质量的视频往往需要专业的设备、复杂的技术以及大量的时间和精力投入，这使得许多创作者望而却步。本文将介绍15个免费的AI图生视频工具，只需几张图片，借助AI的力量，轻松生成富有动感和创意的视频作品，实现惊人的创造力和便捷性，为视频创作带来全新的变革与机遇。
Step R-mini – 阶跃星辰推出的 Step 系列首个推理模型
Step R-mini（全称Step Reasoner mini）是阶跃星辰推出的推理模型， 是 Step 系列模型家族的首个推理模型，擅长主动规划、尝试和反思，基于慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。模型既擅长解决逻辑推理、代码和数学等复杂问题，也能兼顾文学创作等通用领域。
RealtimeSTT – AI实时语音转文本库，自动检测说话的开始与结束
RealtimeSTT是开源的实时语音转文本库，专为低延迟应用设计。有强大的语音活动检测功能，可自动识别说话的开始与结束，通过WebRTCVAD和SileroVAD进行精准检测。同时支持唤醒词激活，借助Porcupine或OpenWakeWord检测特定唤醒词来启动。
RAIN – 视频流制作实时动画生成和真人表情移植解决方案
RAIN（Real-time Animation Of Infinite Video Stream）是创新的实时动画解决方案，基于消费级硬件，如单个RTX 4090 GPU，实现无限视频流的实时动画化。核心在于高效地计算不同噪声水平和长时间间隔的帧标记注意力，同时去噪大量帧标记，以极低的延迟生成视频帧，保持视频流的长期连续性和一致性。
Luma Ray2 – Luma AI 推出的最新视频生成模型
Luma Ray2 是 Luma AI 推出的最新视频生成模型，Ray2 基于 Luma 新的多模态架构训练后展现出先进功能，该架构的计算能力是 Ray1 的 10 倍。能生成快速连贯的运动、超逼真的细节和逻辑事件序列。能在短短 10 秒内根据文本和图像提示生成高质量的视频内容。
OKKI – 小满科技推出的 AI 外贸智能工作台
OKKI 是小满科技推出的外贸智能工作台，基于AI技术帮助外贸企业提升获客效率和业务增长。OKKI集成CRM（客户关系管理）、独立站建站、智能营销等功能模块，帮助企业高效管理客户信息、优化订单流程、分析商机，基于AI驱动的客户洞察和自动化工具，提升业务效率和决策质量。
TestSprite – AI软件测试平台，自动理解测试对象生成测试计划和代码
TestSprite 是全自主 AI 软件测试平台，能自动完成从理解测试对象到生成测试报告的全流程。TestSprite 基于检查对象、解读文档及自然语言输入来理解测试对象，自动生成测试计划和代码，并在云沙箱中执行测试，分享详细报告。
KHOJ – 开源 AI 个人化助手，一站式知识管理工具
KHOJ是开源的个人化AI助手，帮助用户整合和检索知识。可连接用户的在线和本地文档，如PDF、Markdown、纯文本、GitHub和Notion文件等，通过语义搜索功能，快速找到所需信息。Khoj支持在线AI模型如GPT-4，也支持本地语言模型如Llama3，用户可根据需求选择。还提供个性化图像生成和语音理解功能，支持多平台访问，包括桌面应用程序、浏览器、Obsidian插件、Emacs编辑器等，可通过WhatsApp与之交互。
Kokoro-TTS – 轻量级文本转语音模型，支持多语言多语音风格生成
Kokoro-TTS 是 hexgrad 开发的轻量级文本转语音（TTS）模型，具有 8200 万参数。基于 StyleTTS 2 和 ISTFTNet 的混合架构，采用纯解码器设计，不使用扩散模型，降低了计算复杂度，具备出色的语音合成效果和实时处理能力。