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 278 页
Wonderland – 多伦多大学、Snap和UCLA联合推出的单视图3D场景生成技术
Wonderland是多伦多大学、Snap和UCLA的研究团队推出的技术，能够从单张图像生成高质量、广范围的3D场景，允许控制摄像轨迹。证明了三维重建模型可以有效地建立在扩散模型的潜在空间上，实现高效的三维场景生成，是单视图3D场景生成领域的一次突破性进展。
AIGCPanel- 开源的一站式AI虚拟数字人系统
AIGCPanel是开源AI数字人系统，以简洁易用著称，支持视频合成、声音合成和声音克隆等核心功能。系统基于TypeScript开发，跨平台兼容，遵循AGPL-3.0协议，便于小白用户和专业开发者使用。AIGCPanel用自然流畅的口型匹配、智能音视频同步优化、精准声音克隆和自然语音合成技术，提供沉浸式视觉和听觉体验。
LangGraph – 基于图结构构建与部署多代理动态工作流的开源框架
LangGraph是为构建状态化、多智能体（Multi-Agent） 系统而设计的，特别是与大型语言模型（LLMs）一起使用时，用在创建代理和多代理工作流。作为 LangChain 生态系统的一部分，LangGraph 是图结构的 Agent 框架。
MinT – 生成顺序事件的文本转视频模型，灵活控制时间戳
MinT（Mind the Time）是Snap Research、多伦多大学和向量研究所联合推出的多事件视频生成框架，基于精确的时间控制，根据文本提示生成包含多个事件的视频序列。MinT的核心技术是时间基位置编码（ReRoPE），让模型能将特定的文本提示与视频中的相应时间段关联起来，确保事件按顺序发生，控制每个事件的持续时间。
StockMixer – 上海交大推出的股票价格预测架构
StockMixer是上海交通大学推出的用在股票价格预测的多层感知器（MLP）架构，具备简单和强大的预测能力。架构基于指标混合、时间混合和股票混合三个步骤处理和预测股票数据，有效捕捉股票指标、时间和股票间的复杂相关性。
llmware – 专为企业级应用设计的开源统一框架
llmware是为企业级应用设计的统一框架，适用于构建基于小型、专门化模型的RAG（Retrieval-Augmented Generation）流程。llmware支持私有部署，能安全集成企业知识源，针对业务流程进行成本效益的调整和优化。
Cognita – 面向生产环境的开源、模块化 RAG 框架
Cognita是开源的模块化RAG（Retrieval Augmented Generation）框架，能帮助开发者构建模块化、易于扩展和部署的生产级应用程序。Cognita用Langchain/LlamaIndex作为底层技术，提供代码组织结构，让每个组件都能通过API驱动，易于管理和扩展。
天谱乐 – 唱鸭团队推出的首个多模态音乐生成大模型
天谱乐是趣丸科技唱鸭团队推出的全球首个多模态音乐生成大模型，支持文本、图片和视频等多种输入方式生成音乐。用户可以通过上传文本、图片或视频，生成最长3.5分钟的歌曲或音乐视频。能理解音乐的和弦、旋律、歌词、演唱风格等复杂特征，生成高契合度的视频配乐。
MarS – 微软亚洲研究院开源的金融市场模拟预测引擎
MARS（Market Simulation）是微软亚洲研究院推出的金融市场模拟预测引擎，基于生成型基础模型LMM（Large Market Model）模拟金融市场中的订单流和市场动态。MARS能创建现实、互动和可控的市场环境，用在训练交易策略、风险管理、市场影响分析和预测等金融应用，无需承担实际的财务风险。
StoryWeaver – 厦大和网易伏羲联合推出的统一故事可视化 AI 模型
StoryWeaver是厦门大学多媒体可信感知与高效计算教育部重点实验室和网易伏羲人工智能实验室推出的AI模型，能用知识增强的故事角色定制实现高质量的故事可视化。StoryWeaver用新颖的知识图谱Character Graph丰富地表示故事中的角色、属性和关系。
n8n
n8n 是开源的低代码AI工作流自动化工具，基于 Node.js 构建，名字来源于 “node” 和 “automation” 的结合。通过可视化界面让用户能轻松地通过拖拽节点构建自动化流程，每个节点代表一个操作或触发器。n8n 支持超过 400 个服务整合，包括 Slack、Google Sheets、Notion 等，支持自定义代码，满足复杂需求。
GLM-Zero – 智谱AI推出的深度推理模型
GLM-Zero是智谱AI基于扩展强化学习技术的推理模型，专注于提升模型的深度推理能力。擅长处理数理逻辑、代码编写和复杂问题解决，在AIME 2024、MATH500和LiveCodeBench等评测中表现优异，与 OpenAI-o1-Preview 相当。
R2R – AI 检索增强生成应用开发平台，支持多模态内容处理、混合搜索、知识图谱构建
R2R是先进的AI检索系统，专注于Retrieval-Augmented Generation（增强型检索生成）。R2R集成多模态内容摄取、混合搜索、知识图谱构建、GraphRAG聚类分析、用户和文档管理等核心功能。R2R基于RESTful API提供服务，支持快速部署，支持用户用直观的配置文件和开源React+Next.js管理仪表板进行交互。
AutoRAG – 中科院开源的自主迭代检索模型
AutoRAG是中国科学院计算技术研究所（ICT/CAS）、中国科学院的人工智能安全重点实验室及中国科学院大学的研究人员共同推出的新型自主迭代检索模型，专为大型语言模型（LLMs）设计，能增强在知识密集型任务中的表现。
LaDeCo – 西安交大联合微软推出的自动图形设计构图方法
LaDeCo是西安交通大学和微软研究院联合推出的自动图形设计构图方法，基于将设计任务分解为层次化的步骤来实现。LaDeCo对输入的设计元素进行层规划，将它们分配到不同的语义层，比如背景、底层、图像/标志、文本和装饰。
twee – 专门为英语教师打造的AI备课助手，自定义生成教学素材及习题
twee是专为英语教师设计的AI驱动在线平台，提供一系列教学辅助工具。twee能快速生成针对任何YouTube视频的问题、不同主题和水平的对话、故事、信件和文章。twee能创建多种类型的练习，包括词汇、听力、口语和语法练习，及阅读和写作材料。
SEMIKONG – 专为半导体领域设计的大型语言模型
SEMIKONG是专门为半导体行业定制的大型语言模型（LLM），是Aitomatic、FPT Software和东京电子有限公司联合推出的。基于深入的领域知识，解决半导体制造和设计中的独特挑战，如复杂的物理和化学问题。
讯飞智作亮相央视首届“科晚”， 打造“AI张腾岳”三分钟炫技3种语言
AI能写文章、能画画、能聊天，这些已经不再新鲜。但你是否想过，AI还能能听见危险的声音、能让课堂更生动，甚至能能用方言朗诵古诗？ 在2024年12月29日晚，中央广播电视总台首届《中国科技创新盛典》（简称“科晚”）上，科大讯飞董事长刘庆峰用一系列精彩的现场演示，向全国观众展现了人工智能赋能千行百业的创新实践，看AI技术如何真正走进百姓生活、服务社会发展。