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
DressPlay – AI虚拟试衣应用，支持图片和视频换装
DressPlay 是一款基于AI术的虚拟试衣应用，支持用户通过上传照片来试穿各种服装。应用基于AI算法分析用户的身材和姿势，将服装图像自然地贴合到用户身上，创造出逼真的试穿效果。
abab-music-1 – MiniMax 推出端到端 AI 音乐生成大模型
abab-music-1 是 MiniMax 推出的一款端到端 AI 音乐生成大模型。支持多功能端到端音乐生成，能合成多种音乐形式，包括纯音乐和清唱作品，同时满足伴奏和人声的生成，简化了音乐录制与创作过程。
AI Hugging – 支持图片或文本描述生成拥抱视频的AI在线平台
AI Hugging 是一个基于AI技术的在线平台，用户通过上传照片或输入文字描述来创建个性化的拥抱视频。使用先进的AI算法分析图像中的人物，将静态照片转化为动态的拥抱动画，让人物看起来仿佛在真实地拥抱。
abab-video-1 – MiniMax推出的首款AI高清视频生成模型
abab-video-1是MiniMax公司推出的首款AI高清视频生成模型，模型支持生成最高1280x720分辨率、25fps的高清视频，具备电影感的镜头移动效果，能根据文本描述快速创造出具有视觉冲击力的内容。
FineVideo – Hugging Face推出的大型多模态视频数据集
FineVideo是由Hugging Face推出的一个大型多模态视频数据集，专注于视频理解领域中的复杂任务，如情绪分析、故事叙述和媒体编辑。FineVideo包含超过43,000个YouTube视频，覆盖122个类别，总时长约3,425小时。
Qwen2.5 – 阿里通义千问团队最新开源的最强AI大模型
Qwen2.5 是阿里通义千问团队最新开源的最强AI大模型，具有多种参数规模的模型，包括 0.5B、1.5B、3B、7B、14B、32B 和 72B。模型在预训练时使用了最新的大规模数据集，包含多达 18 万亿个 tokens，Qwen2.5 在自然语言理解、文本生成、编程能力、数学能力等方面都有显著提升。
Qwen2.5-Math – 阿里Qwen团队开源的数学专项模型，超越GPT-4o
Qwen2.5-Math是由阿里巴巴Qwen团队推出的开源AI数学模型，是Qwen2-Math的升级版，支持中英双语。模型通过大规模数学数据预训练，结合CoT、PoT和TIR推理方法，提升解决数学问题的能力。
HeadshotBooth.ai – 生成专业头像的AI工具，成本低不满意包退款
HeadshotBooth.ai 是一款基于人工智能技术快速生成专业头像的服务。用户只需上传自拍照，选择服装和背景，AI 即可在几小时内制作出100多张头像照。
Qwen2.5-Coder – 阿里Qwen团队开源的全系代码模型，覆盖六个主流模型尺寸
Qwen2.5-Coder 是阿里Qwen 团队推出的全系列代码生成模型，推动开源代码语言模型的发展。在代码生成、代码推理、代码修复等任务上表现出色。系列涵盖了不同规模的模型1.5B/7B/0.5B/3B/14B/32B的六个主流模型尺寸，满足不同开发者的需求。
Insighto.ai – AI通信平台，AI代理能自动接听和拨打电话处理消息
Insighto.ai 是一个先进的人工智能通信平台，专注于通过语音和聊天提供对话式AI服务。支持多语言和24/7不间断的个性化客户支持，能跨多种渠道（如社交媒体、网站、电话等）与客户互动。平台的AI代理能理解和回应语音消息。
Follow-Your-Canvas – 腾讯与清华合作推出的高分辨率视频扩展技术
Follow-Your-Canvas 是由腾讯混元团队与清华大学等机构合作推出的一种高分辨率视频扩展技术。通过分布式处理和布局对齐两个核心设计，将视频内容扩展到任意分辨率，保持与原视频的无缝衔接和高质量内容生成。
DrawingSpinUp – AI驱动的2D绘画转化为3D效果的动画生成技术
DrawingSpinUp 是一种先进的3D动画生成技术，由香港城市大学的研究团队推出。模型将平面的角色绘画转化为具有3D效果的动态动画，同时保留原始艺术作品的风格和特征。
Nemotron-Mini-4B-Instruct – 英伟达推出的开源小型语言模型
Nemotron-Mini-4B-Instruct是英伟达推出的一款开源小型语言模型，专为角色扮演、检索增强生成（RAG）和函数调用任务优化。模型通过蒸馏、剪枝和量化技术优化，提高运行速度和设备端部署能力，具有较低的显存占用，能快速生成响应。
Click2Mask – AI图像编辑技术，通过简单点击和内容描述实现智能编辑
Click2Mask 是一种先进的图像编辑技术，支持用户通过在图片上简单点击来实现局部编辑，无需复杂的遮罩或详细描述。通过动态生成遮罩，结合混合潜在扩散（BLD）过程和基于 CLIP 的语义损失来引导遮罩的生成，简化用户输入。
Jina-embeddings-v3 – 专为多语言和长文本上下文检索设计的文本嵌入模型
Jina-embeddings-v3 是 Jina AI 推出的一款先进的文本嵌入模型，专为多语言数据处理和长文本上下文检索任务设计。模型拥有 5.7 亿参数，支持长达 8192 个 token 的文本处理。
SwiftBrush V2 – 文本到图像的单步扩散模型，性能与多步模型相媲美
SwiftBrush V2 是文本到图像的单步扩散模型，通过改进训练方法和模型融合技术，实现与多步Stable Diffusion扩散模型相媲美的性能。模型通过更好的权重初始化、高效的LoRA训练，引入一种新颖的夹紧CLIP损失来增强图像与文本的对齐，提高图像质量。
Immersity AI – 支持2D图像和视频转换为3D视觉效果的AI平台
Immersity AI（原名LeiaPix）是由Leia公司推出的AI平台，将2D图像和视频转换为沉浸式的3D视觉效果。基于先进的神经深度引擎，Immersity AI快速生成精确的深度图，为传统屏幕和XR设备（如Meta Quest 3和Apple Vision Pro）提供3D内容。
Seed-Music – 字节跳动推出的AI音乐生成大模型
Seed-Music是字节跳动推出的AI音乐生成大模型，将用户录制的 10 秒音频转化为完整的音乐作品。通过自回归语言模型和扩散方法，根据用户的多模态输入（如风格描述、音频参考、乐谱和声音提示）生成高质量、风格可控的音乐。