AI文章
读懂模型与应用的新进展，找到值得尝试的 AI 实践。
7,595篇文章，持续更新
文章列表
Oryx – 腾讯联合清华和南洋理工大学推出的多模态大语言模型
Oryx是由清华大学、腾讯和南洋理工大学联合推出的多模态大型语言模型（MLLM），基于两项核心创新来处理视觉数据，预训练的OryxViT模型和动态压缩模块。OryxViT将任意分辨率的图像编码为适合LLM的视觉表示，动态压缩模块根据需求在1到16倍之间压缩视觉标记。
HelloBench – 评估LLMs长文本生成能力的开源基准测试工具
HelloBench是一个用于评估大型语言模型（LLMs）长文本生成能力的开源基准测试。HelloBench包含五个基于布鲁姆分类法的子任务：开放式问答、摘要、聊天、文本补全和启发式文本生成。HelloBench用真实场景数据，如Quora和Reddit，确保任务的多样性和实际性。
ProX – 提高大语言模型预训练数据质量的框架
ProX（Programming Every Example）是一个旨在提高大型语言模型预训练数据质量的框架。与传统依赖人类专家制定规则的方法不同，ProX将数据清洗任务视为编程问题，支持模型自动执行如字符串标准化和噪声行移除等细粒度操作。
FineZip – AI驱动的无损文本压缩系统，实现快速和高压缩比
FineZip 是一种基于大型语言模型（LLMs）的无损文本压缩系统，结合在线记忆和动态上下文大小技术，提高文本压缩的速度和效率。在线记忆指的是在压缩前对模型进行参数高效的微调，提高数据的可压缩性。
AMD-135M – AMD推出的首款小型语言模型
AMD-135M是AMD推出的首款小型语言模型（SLM），为特定用例提供性能与资源消耗之间的平衡。基于LLaMA2模型架构，在AMD Instinct MI250加速器上训练，基于670亿个token，AMD-135M分为两个版本，通用文本的AMD-Llama-135M和针对代码的AMD-Llama-135M-code。
Emu3 – 北京智源推出的统一输入与生成多模态模型
Emu3是由北京智源人工智能研究院推出的一款原生多模态世界模型，采用智源自研的多模态自回归技术路径，在图像、视频、文字上联合训练，使模型具备原生多模态能力，实现图像、视频、文字的统一输入和输出。Emu3将各种内容转换为离散符号，基于单一的Transformer模型来预测下一个符号，简化了模型架构。
10款免费的AI换脸软件和工具，支持照片和视频
随着技术的飞速发展，AI的应用无处不在。AI换脸技术尤其引人注目，它支持用户通过简单的软件工具将视频中的人物面部替换成另一个人的脸。本文给大家介绍10款免费的AI换脸工具和软件，支持照片和视频，甚至是实时直播换脸。AI换脸技术不但在电影制作和游戏设计中发挥着重要作用，也为广大用户提供了一种全新的娱乐方式。
FLUX-Controlnet-Inpainting – 阿里妈妈推出的开源AI图像修复工具
FLUX-Controlnet-Inpainting 是阿里妈妈（Alibaba's Alimama）推出的一款图像修复工具，融合 ControlNet 和 FLUX.1-dev 技术。工具根据用户指定的掩码区域进行精确的图像修复，确保修复部分与原图风格一致。
Simplified – 多功能AI营销工具，提供一站式营销服务
Simplified 是一个为现代营销团队设计的一站式平台，基于AI技术帮助用户设计、创建和安排跨社交媒体渠道的内容。工具适合小型初创企业和大型企业，提供包括视频制作、演示文稿设计、社交媒体管理、AI 写作和聊天机器人等多种功能。
ChopperBot – AI直播视频剪辑和发布机器人，自动化管理直播内容
ChopperBot是一款智能化的直播视频剪辑和发布机器人，ChopperBot能自动化地管理和分发直播内容。支持多个流行直播平台，如斗鱼、虎牙、B站、抖音和Twitch等，ChopperBot能自动爬取直播视频、智能切片、生成封面和标题，上传内容。
VirtualWife – AI虚拟数字人项目，可在B站进行直播
VirtualWife是一个创新的虚拟数字人项目，专注于开发具有AI的虚拟角色。角色设计用于在B站等直播平台上进行互动，提供娱乐和信息。通过集成先进的AI技术，如自然语言处理和机器学习，VirtualWife的角色能理解和响应用户输入，提供更加自然和智能的交流体验。
MMSearch – 评估大型多模态AI搜索引擎能力的基准测试工具
MMSearch是一个用于评估大型多模态模型（LMMs）作为AI搜索引擎能力的基准测试。包括一个MMSearch-Engine框架和MMSearch测试集，后者包含300个问题，涵盖14个子领域。MMSearch-Engine框架通过问题重构、网页排序和答案总结三个阶段增强LMMs的搜索能力。
Phidias – 检索增强的3D内容生成模型，支持多模态输入
Phidias是一个先进的3D内容生成模型，将检索增强生成（RAG）的概念引入到3D建模领域。模型能基于用户提供的或从大型数据库中检索到的3D参考模型，辅助生成新的3D内容。
RD-Agent – 微软亚洲研究院推出开源的自动化研究与开发工具
RD-Agent是一个开源的自动化研究与开发（R&D）工具，由微软亚洲研究院推出。基于AI技术推动数据驱动的AI研发过程，专注于简化模型和数据的开发。RD-Agent的核心在于自动化提出新想法和实施整个过程，旨在提高研发效率和质量。
EzAudio – 腾讯联合约翰霍普金斯大学推出的文本到音频生成模型
EzAudio是由约翰霍普金斯大学和腾讯AI实验室共同推出的一款文本到音频（Text-to-Audio, T2A）生成模型。基于一种高效的扩散变换器技术，用在从文本提示生成高质量的音频效果。
15个AI短剧创作平台和软件，自动剪辑一键生成视频短片
AI技术正在逐渐渗透到创意产业，从简单的语音助手到复杂的内容创作工具，AI的身影已出现在主流视频媒体平台上，催生了AI制作的视频短片和影视作品，重新定义了创意领域的边界。本篇文章将大家介绍15个AI短剧创作平台，一键创作视频故事短片。一个平台，能理解你的故事想法，自动生成一个完整的视频短片，这就是AI短剧创作平台的魅力所在。不单是一个AI工具，更是一个全新的视频创作伙伴，通过AI的力量，让创意变成现实。
I2VEdit – AI视频编辑技术，基于扩散模型实现首帧编辑引导
I2VEdit是一个先进的视频编辑框架，通过图像到视频的扩散模型实现首帧引导的视频编辑。用户只需编辑视频的第一帧，I2VEdit能自动将编辑效果应用到整个视频。
神笔马良 – 猫眼娱乐推出的AI影视创作生成工具
神笔马良是猫眼娱乐推出的AI影视创作生成工具，专门将剧本一键转换成动态故事板。通过智能分析剧本内容，提炼剧情，快速生成人物小传和AI画像、动态分镜，提升影视创作前期的效率。神笔马良能自动生成角色配音和背景音乐，增强剧本的视听效果。