工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 381 / 422 页

DeepSeek-V2.5 – DeepSeek开源的融合通用和代码能力的AI模型

DeepSeek-V2.5 是DeepSeek推出的融合通用与代码能力的全新开源模型。保留了之前 Chat 模型的通用对话能力以及 Coder 模型的代码处理能力，更好地对齐了人类的偏好，并且在写作任务、指令跟随等多个方面实现了显著的提升。DeepSeek-V2.5 现在可以通过网页端和 API 全面使用，已开源至HuggingFace，便于开发者使用和二次开发。

Mini-Omni – 开源的端到端实时语音对话大模型

Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型的设计支持在不需要额外的自动语音识别（ASR）或文本到语音（TTS）系统的情况下，直接进行语音到语音的对话。

什么是知识图谱（Knowledge Graph） – AI百科知识

知识图谱（Knowledge Graph）是一种结构化的语义知识库，通过图形化的方式表达实体之间的关系。由节点（代表实体）和边（代表实体间的关系）组成，能存储和处理大量复杂数据。知识图谱使信息更易于被计算机理解和处理，广泛应用于搜索引擎、推荐系统、智能问答等领域，提升信息检索的准确性和效率。

什么是嵌入向量（Embedding Vectors） – AI百科知识

嵌入向量（Embedding Vectors）是一种将数据（如文本、图像、用户信息）映射到高维空间中的数字向量的技术。能够捕捉数据间的相似性和关系，使得相似的数据点在向量空间中彼此靠近。嵌入向量广泛应用于自然语言处理、图像识别、推荐系统等领域，帮助机器学习模型更有效地理解和处理数据。

麦当秀MindShow

麦当秀MindShow是AI在线PPT生成工具，通过大模型和智能算法，能将文本、Word或Markdown内容快速转化为专业演示文稿。用户输入主题或文档内容后，MindShow可在30秒内生成结构清晰、设计专业的幻灯片，适配商务、教育等多种场景。

Giga视频超级工厂 – AI短视频批量制作平台，提供智能化解决方案

Giga视频超级工厂是一款基于大型AI模型开发的短视频批量制作平台，整合多项人工智能技术，为不同场景的视频内容生产提供智能化解决方案。平台采用AI智能体模式，可以帮助媒体机构在社交平台上实现短视频的高效量产和国际化传播。

insMind

insMind是稿定面向全球市场推出的新一代AI图片编辑工具。insMind提供多样化的编辑功能，如背景移除、图像增强、风格转换等，支持用户一键生成类似作品，简化设计流程。

什么是对抗性训练（Adversarial Training） – AI百科知识

对抗性训练（Adversarial Training）是一种机器学习技术，旨在提高模型对恶意攻击的鲁棒性。通过在训练过程中引入微小的、可能引起误分类的扰动，模型学会识别并抵抗这些对抗性样本。在图像和语言处理领域尤为重要，能增强模型的泛化能力，使其在面对真实世界中的噪声和干扰时表现更稳定。

什么是对抗性攻击（Adversarial Attacks） – AI百科知识

对抗性攻击（Adversarial Attacks）是一种安全威胁，攻击者通过在输入数据中故意添加难以察觉的扰动，诱使机器学习模型尤其是深度学习模型做出错误的预测或行为。这些攻击可以针对图像、文本或声音等多种数据类型，目的是突破模型的防御，揭示其脆弱性。常见的对抗性攻击包括白盒攻击和黑盒攻击，前者攻击者对模型有完全了解，后者则在不了解模型内部结构的情况下进行。攻击的目的是为了测试和提高模型的安全性和鲁棒性。

ViewCrafter – 北大、港中文联合腾讯提出的高保真新视图合成技术

ViewCrafter 是北大和港中文联合腾讯提出的一种先进的视频扩散模型，能从单个或少量图像中合成高保真的新视图。结合了视频扩散模型的生成能力和基于点的3D表示，精确控制相机姿态生成高质量视频帧。

什么是文本生成（Text Generation） – AI百科知识

文本生成（Text Generation）是自然语言处理（NLP）领域的一项技术，使计算机能自动创建可读且语法正确的文本。将非语言信息（如数据或图像）转换为文本，或基于现有文本生成新内容。文本生成应用广泛，包括自动新闻报道、聊天机器人回复生成，以及创意写作辅助等。依赖于机器学习模型，如循环神经网络（RNN）和Transformer，通过学习大量文本数据来掌握语言模式，生成连贯和有意义的文本。

10个免费的AI写真工具，轻松制作个人写真艺术照

随着人工智能技术的飞速发展，我们见证了一系列令人惊叹的应用，不仅改变了生活方式，也重新定义了艺术创作的过程。AI写真生成工具的出现，走进了摄影师和艺术家的世界。本篇文章将介绍10个免费的AI写真生成工具，让每个人都能轻松地创造出令人惊叹的艺术照作品。

什么是语音识别（Speech Recognition） – AI百科知识

语音识别（Speech Recognition）也称为自动语音识别（ASR），是一种将人类语音转换成文本或命令的高技术。通过特征提取、模式匹配和模型训练等步骤，使机器能够识别和理解语音信号。广泛应用于智能助手、语音控制系统和语音输入系统，极大地提升了人机交互的自然性和便捷性。随着深度学习的发展，语音识别的准确性和应用范围不断扩大，成为人工智能领域的重要分支。

什么是目标检测（Object Detection） – AI百科知识

目标检测（Object Detection）是计算机视觉领域的一项关键技术，从图像或视频中识别并定位一个或多个目标物体。不仅需要判断图像中是否存在特定物体，还需确定这些物体的具体位置，通过在物体周围绘制边界框来实现。目标检测广泛应用于自动驾驶、视频监控、人脸识别、医学图像分析等多个领域，对于提高机器对周围环境的理解和交互能力至关重要。

MLE-Agent – 工程师的AI智能助手，自动创建基线模型

MLE-Agent 是一款专为机器学习工程师和研究人员设计的智能助手，通过自动化基线创建、集成最新研究资源、智能调试、文件系统和工具集成，以及交互式命令行聊天界面，提供无缝的AI工程和研究体验。

什么是语义分割（Semantic Segmentation）- AI百科知识

语义分割（Semantic Segmentation）是一种计算机视觉技术，通过深度学习模型，尤其是卷积神经网络（CNN），对图像中的每个像素进行分类，识别和区分不同的物体和场景。语义分割能为图像中的每个像素赋予一个语义标签，明确其属于人、车辆、建筑物等具体类别。语义分割在自动驾驶、医学图像分析、机器人视觉等领域有广泛应用。

BiRead – AI翻译工具，一键双语翻译支持超100种语言

BiRead是一款基于人工智能技术的浏览器扩展工具，能将网站内容即时翻译成双语文本，使用户能轻松阅读不同语言的网页。主要特点包括一键双语转换、支持超过100种语言、提供学习模式以及能翻译社交媒体上的帖子。

什么是神经风格迁移（Neural Style Transfer） – AI百科知识

神经风格迁移（Neural Style Transfer）通过深度学习手段，将一幅图像的视觉风格应用到另一幅图像的内容上，创造出融合了两者特点的新图像。基于预训练的卷积神经网络来分析风格图像的纹理和颜色分布，以及内容图像的结构布局，然后通过优化算法寻找并生成在风格上与参考图像相似、在内容上与目标图像一致的新图像。这种技术在艺术创作、图像处理和视觉设计中展现出巨大潜力。