AI导哈

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 390 / 422 页

Lingo – 西湖心辰推出的端到端语音大模型，媲美GPT-4o

Lingo 是西湖心辰推出的国内首个端到端语音大模型，在技术上具备实时打断、实时指令控制、超级拟人、能说会唱等能力，拥有比 GPT-4o 更出色的中文语音效果。

阅读全文

Sapiens – Meta推出的AI视觉模型，能理解图片和视频中的人类动作

Sapiens是Meta实验室推出的AI视觉模型，专为理解图片和视频中的人类动作设计。支持二维姿势预估、身体部位分割、深度估计和表面法线预测等任务，采用视觉转换器架构。

阅读全文

mPLUG-Owl3 – 阿里巴巴推出的通用多模态AI模型

mPLUG-Owl3是阿里巴巴推出的先进通用多模态大模型，专为理解和处理多图及长视频设计。在保持准确性的同时，显著提升了推理效率，能在4秒内分析完2小时电影。

阅读全文

TrackGo – 先进的可控AI视频生成技术

TrackGo是先进的可控AI视频生成技术，通过用自由形状的遮罩和箭头，为用户提供了一种灵活而精确的机制来控制视频中对象的运动。技术的核心是TrackAdapter，一个高效轻量的适配器，能无缝集成到预训练的视频生成模型中。

阅读全文

AskHackers – 面向开发者的AI搜索工具

AskHackers是一个面向开发者的AI搜索工具，专注于技术领域的问答。通过分析Hacker News的评论区，基于AI技术自动生成问题的答案，为用户提供了一种新的获取编程和技术解决方案的方式。

阅读全文

GPT Pilot – AI编程工具，让95%的开发者实现自动写代码

GPT Pilot 是一款AI编程工具，通过模仿人类开发者的工作流程，帮助从零开始构建应用程序。能编写代码、调试程序、与用户讨论问题，并请求代码审查，是真正的 AI 开发者伙伴。GPT Pilot 支持多种运行方式，包括 VS Code 扩展、命令行工具和 Docker 容器，开发者能在熟悉的环境里提升开发效率。

阅读全文

eSearch – 开源的AI桌面应用，截屏、OCR、搜索、翻译、录屏

eSearch是一款开源的跨平台AI桌面应用，集成了截屏、OCR识别、搜索翻译、贴图、以图搜图和屏幕录制等功能。eSearch基于Electron框架开发，适用于Linux、Windows和macOS系统。用户可以通过快捷键快速截取屏幕，进行文字识别，搜索翻译，或录制屏幕操作。

阅读全文

Bark – Suno AI 推出的开源文本到音频模型

Bark是Suno AI 推出的开源文本到音频模型，能生成逼真的多语言语音和多种音频类型，包括音乐、背景噪音等，同时支持非语言交流如笑声和哭泣。Bark提供预训练模型，适用于研究和商业用途。

阅读全文

Imagine Yourself – Meta公司推出的个性化AI图像生成模型

Imagine Yourself 是Meta公司推出的个性化AI图像生成模型，突破了传统方法的局限，无需对每个用户进行单独调整，通过单一模式即可满足不同用户需求。模型采用合成配对数据生成和并行注意力架构，有效提高图像质量和多样性，同时保持身份保护和文本对齐。

阅读全文

MooER – 摩尔线程推出的业界首个音频理解大模型

MooER是摩尔线程推出的业界首个基于国产全功能GPU训练的开源音频理解大模型。不仅能进行中文和英文的语音识别，还具备中译英的语音翻译能力。

阅读全文

Transfusion – Meta推出的文本与图像融合的多模态AI模型

Transfusion是Meta公司最新推出的文本与图像融合的多模态AI模型，Transfusion通过结合语言模型的下一个token预测和扩散模型，在单一变换器上处理混合模态数据，如文本和图像。Transfusion模型能同时生成文本和图像，无需量化图像信息。

阅读全文

WatermarkRemover – 在线AI背景去除工具

WatermarkRemover是在线AI背景去除工具，支持PNG、JPEG等多种图片格式。WatermarkRemover通过智能识别技术，快速去除图片背景，同时提供手动调整功能以满足个性化需求。

阅读全文

StockBot – 基于Llama3的AI金融Agent，提升股票投资效率

StockBot 是一个基于Llama3的AI金融Agent，提供实时股票信息、财务数据、新闻和互动图表。支持多资产市场，包括股票、外汇、债券和加密货币。用户可通过自然语言与之交流，获取定制化的金融分析和数据可视化，提升投资决策效率。

阅读全文

因赛AIGC – 因赛集团推出的AI营销工具

因赛AIGC是因赛集团推出的AI营销工具，InsightGPT结合AI技术与营销策略洞察、内容创意生产、传播投放及效果转化，提升营销行业的生产力。InsightGPT不仅具备图片创作、文案生成等基础功能，还通过智能化处理降低创作门槛，提高内容品质，生成更贴合用户需求的营销内容。InsightGPT的推出，展示了因赛集团在AIGC领域的专业领先优势，为营销行业带来创新解决方案。

阅读全文

Ugic – 即时设计推出的Figma AI设计插件

Ugic是即时设计推出的Figma AI设计插件，能根据用户上传的组件库和设计系统，智能生成多语言的UI草稿。Ugic支持文本到结构的转换，允许用户输入PRD或描述文本，快速生成页面布局。还提供个性化组件库选择和迭代设计功能，大幅提高设计效率。

阅读全文

HeadGAP – 字节跳动推出的3D头像生成模型

HeadGAP是字节跳动和上海科技大学共同推出的3D头像生成模型，仅用少量图片快速生成逼真的3D头像。采用先验学习和个性化创建阶段的框架，基于大规模多视角动态数据集导出的3D头部先验信息。通过高斯Splatting自动解码网络和部分动态建模，结合身份共享编码与个性化潜在代码，HeadGAP实现了高保真度和可动画的3D头像，具有多视图一致性和稳定动画效果。

阅读全文

MARS5-TTS – 开源的AI声音克隆工具，支持140+语言

MARS5-TTS是CAMB.AI推出开源的AI声音克隆工具，有突破性逼真的韵律，支持140多种语言支持。还能处理复杂韵律场景，如体育解说和动漫AI配音等。MARS5-TTS具有12亿参数，训练数据超过15万小时。通过简单的文本标记引导韵律，支持快速克隆和深度克隆技术，优化语音输出质量。

阅读全文

LMMs-Eval – 专为多模态AI模型设计的统一评估框架

LMMs-Eval 是一个专为多模态AI模型设计的统一评估框架，提供标准化、广泛覆盖且成本效益高的模型性能评估解决方案。包含超过50个任务和10多个模型，通过透明和可复现的评估流程，帮助研究者和开发者全面理解模型能力。

阅读全文