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 351 页
Taplio – AI驱动的LinkedIn自动化工具，生成创意分析趋势
Taplio是一款AI驱动的LinkedIn自动化工具，专为创作者、创始人和团队设计，旨在帮助他们在LinkedIn上建立和扩展个人品牌。通过AI技术生成帖子创意、提供热门帖子库参考、将互动转化为潜在客户关系，并具备帖子计划、分析和Chrome扩展功能。简化内容创作和管理流程，提升用户在LinkedIn上的影响力和参与度。
Reworkd – AI数据挖掘平台，自动生成和修复抓取代码
Reworkd是一家专注于自动化网络数据提取的人工智能公司。提供一个创新平台，运用先进的AI技术自动生成和修复抓取代码，以应对网站结构变化带来的挑战。无需编码，用户界面友好，支持从网站扫描到数据导出的全流程自动化，极大简化了数据收集和处理工作。Reworkd的解决方案适用需要从网上抓取大量信息的企业，帮助他们提高效率并节省资源。
Kinetix – AI驱动的自定义3D动画和表情符号创作平台
Kinetix是一个创新的人工智能3D内容创作平台，专注于运用AI技术简化3D动画和表情符号的创作过程。用户可以通过简单的文本输入，快速生成个性化的3D动画和表情，无需专业的3D设计经验。Kinetix支持在多个游戏和虚拟世界中使用这些内容，推动了用户生成内容（UGC）的新时代，增强了玩家的参与度和社交分享，同时为游戏开发商和虚拟世界创造者提供了新的互动和盈利机会。
MDM – 苹果推出开源的新型扩散模型框架
Matryoshka Diffusion Models（MDM）是由苹果公司研究人员推出的一种新型扩散模型框架，旨在解决生成高分辨率图像和视频时面临的计算和优化挑战。MDM基于在多个分辨率上联合去噪的扩散过程，采用嵌套UNet架构，实了小尺度模型嵌套在大尺度模型中的特征，促进不同尺度间的特征共享，支持从低分辨率到高分辨率的渐进式训练策略。
ComfyGen – 英伟达联合特拉维夫推出的文本到图像生成系统
ComfyGen是由NVIDIA和特拉维夫大学研究人员推出的一种文本到图像生成系统，基于大型语言模型（LLM）自动创建与用户文本提示相匹配的工作流，提升图像生成的质量。系统解决传统单体模型在生成图像时存在的限制，结合多个专业组件如微调基础模型、LoRAs、嵌入、超分辨率步骤等构建复杂的工作流
有挂 – AI浏览器插件，零编程交互式修改网页内容
有挂是一款创新的浏览器AI插件，基于自然语言处理技术，使用户用简单的命令或对话修改网页内容，无需任何编程知识。插件支持Chrome、Edge和Arc浏览器，具备个性化定制、跨平台支持和保存功能，支持用户根据自己的喜好调整网页，如改变背景颜色、添加按钮等。
NotesGPT – 开源的AI语音笔记工具，实时转录文本自动生成行动项
NotesGPT是一款开源的AI驱动语音笔记工具，能将用户的语音笔记快速转录成文本，自动生成行动项。工具基于包括Convex数据库、Next.js框架、Together推理模型、Replicate的Whisper转录服务等先进技术，确保转录的准确性和生成任务的效率。
restorePhotos.io – 开源的AI照片修复项目，高质量修复老旧照片
restorePhotos.io 是一个开源的AI项目，专注于修复老旧和模糊的人脸照片。用GFPGAN机器学习模型，基于Next.js API路由处理上传的照片，再返回修复后的照片。能在本地运行项目，或基于Vercel平台一键部署。
TurboSeek – AI驱动的开源的智能搜索引擎
TurboSeek是一个开源的AI搜索引擎，由Together.ai提供技术支持。基于现代化的技术栈，包括Next.js、Tailwind、Bing搜索API及先进的语言模型Mixtral 8x7B和Llama-3，为用户提供快速、智能的搜索体验。
Llama Tutor – 开源的AI学习平台，提供学习主题生成定制学习计划
Llama Tutor 是一个基于AI的个性化学习平台，由 Llama 3.1 和 Together AI 技术驱动，是一个完全开源的项目。支持用户输入想要学习的主题和教育水平，生成一个量身定做的学习计划。平台覆盖包括篮球、机器学习、个人理财和美国历史在内的多个学科领域，旨在为不同背景和需求的学习者提供支持。
PDFtoChat – AI驱动的与PDF互动提取关键信息的开源项目
PDFtoChat 是一个开源的创新AI项目，支持用户基于自然语言对话的方式与 PDF 文件互动。工具基于最新的 AI 技术，包括 Together AI 和 Mixtral，理解用户的查询，从 PDF 内容中提取相关信息。PDFtoChat基于 Next.js App Router 框架，结合多种技术，例如 LangChain.js 和 MongoDB Atlas，提供强大的文档检索和交互能力
Napkins.dev – AI驱动的支持截图或线框图快速生成网页应用的开源项目
Napkins.dev是一个创新的开源项目，基于AI技术将用户的截图或线框图快速转换成可运行的网页应用程序。该、项目背后依托于Meta的Llama 3.1 405B大型语言模型和Llama 3.2 Vision视觉模型，结合Together.ai的推理服务，实现从视觉设计到代码的自动生成。
VideoAgent – 斯坦福联合多所研究机构推出自改进的视频生成系统
VideoAgent是一种自改进的视频生成系统，由斯坦福大学、滑铁卢大学、DeepMind等机构的研究人员共同推出。根据图像观察和语言指令生成视频计划，转换为机器人控制动作。VideoAgent基于自我条件一致性方法细化视频计划，用预训练的视觉-语言模型（VLM）反馈进行迭代优化。
Sekai – AI社交平台，自定义创建虚拟角色沉浸式互动
Sekai是创新的AI驱动的交互式内容平台，能基于结合社交和游戏元素，创造出全新的互动体验。用户能在Sekai上创建自己的虚拟角色，与他人互动。用户只需用自然语言描述需求，可在几秒内生成可玩的轻量小程序（mini-app），涵盖小游戏、性格测试、互动卡片、投票工具等。
Self-Taught Evaluators – Meta推出的新型模型评估方法
Self-Taught Evaluators是一种新型的模型评估方法，基于自我训练的方式提高大型语言模型（LLM）的评估能力，无需人工标注数据。从未经标记的指令开始，用迭代自我改进方案生成对比模型输出。用LLM作为裁判，生成推理轨迹和最终判断。
Promptopia – Readyverse推出的AI游戏3D资产创作工具
Promptopia 是由 Readyverse Studios 发布的一款生成式 AI 创作工具，帮助玩家通过简单的文本提示来创建沉浸式的游戏环境和数字资产。工具结合了多人游戏玩法和实时 AI 资产生成，使用户能构建、分享参与一个由他们自己的想法塑造的世界。
LOKI – 中山大学联合上海AI Lab推出的合成数据检测基准
LOKI是由中山大学和上海AI Lab联合提出的合成数据检测基准，旨在全面评估大型多模态模型（LMMs）在识别视频、图像、3D、文本和音频等多种模态合成数据的能力。包含18,000多个问题，覆盖26个子类别，采用多层次标注，支持细粒度异常注释。
Story-Adapter – 无需额外训练的长篇故事可视化框架
Story-Adapter 是一种新型的长篇故事可视化框架，能在保持语义一致性的同时，生成高质量且具有细腻交互的故事图像序列。通过迭代方式，基于全局参考交叉注意力模块，优化图像生成过程，提升了长故事场景下的可视化效果。