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 393 / 422 页

Wav2Lip – 开源的唇形同步工具

Wav2Lip是开源的唇形同步工具，支持用户将音频文件转换成与口型同步的视频，广泛应用于视频编辑和游戏开发等领域。Wav2Lip不仅能够实现实时口型生成，还支持多种语言，适用于不同场景下的需求。

阅读全文

Roop – 开源的AI视频换脸工具

Roop 是开源的AI视频换脸工具，Roop支持用户通过一张图片替换视频中的面部，无需复杂的数据集或训练过程。安装和使用需要一定的技术技能，适合有一定基础的用户操作。

阅读全文

浦语灵笔 – 开源的多模态大模型，性能媲美GPT-4V

浦语灵笔IXC-2.5是上海人工智能实验室推出的新一代多模态大模型，具备7B规模的大型语言模型后端。能处理长达96K的长上下文，支持超高分辨率图像和细粒度视频理解，能进行多轮多图像对话。

阅读全文

GigaBody – 专为男性用户推出的AI一键增肌应用

GigaBody是一款专为男性用户推出的AI一键增肌应用，让用户轻松获得健美身材。通过滤镜技术，能在用户上传的照片中添加逼真的肌肉，肤色和光线处理自然，细节如血管和体毛也处理的非常好。

阅读全文

xGen-MM – Salesforce推出的开源多模态AI模型

xGen-MM是Salesforce推出的一款开源多模态AI模型，具有处理交错数据的能力，能同时理解和生成文本、图像等多种数据类型。xGen-MM通过学习大量的图片和文字信息，不仅在视觉语言任务上展现出强大的性能，还通过开源模型、数据集和微调代码库，促进模型能力的不断提升。

阅读全文

ProPainter – 南洋理工大学推出的AI视频修复项目

ProPainter是南洋理工大学S-Lab团队推出的AI视频修复项目。通过结合双域传播和蒙版引导的稀疏视频Transformer，有效提高了视频修复的性能。ProPainter能自动从视频中去除不需要的物体，填补缺失部分，甚至扩展视频视野，提供高质量的视觉内容。

阅读全文

Half_illustration – 基于Flux.1 的LoRA模型，让照片秒变艺术大片

Half_illustration是一个基于Flux.1模型的LoRA图像创意模型，融合了摄影写实与插画艺术的元素，创造出独特的视觉效果。这种风格在图像中同时展现了逼真的人物或场景以及富有想象力的插画元素，如抽象线条和装饰图案。

阅读全文

DeepSeek-Prover-V1.5 – 70亿参数的开源数学大模型

DeepSeek-Prover-V1.5是由DeepSeek团队开发的开源数学大模型，拥有70亿参数。模型通过结合强化学习（RLPAF）和蒙特卡洛树搜索（特别是RMaxTS变体），在数学定理证明方面取得了显著的效率和准确性提升。

阅读全文

Odyssey – 好莱坞级的AI视频生成和编辑工具

Odyssey是一个好莱坞级的AI视频生成和编辑工具，OdysseyML提供技术支持，通过训练四个高级生成模型，专注于创造精细的几何图形、逼真的材质、震撼的光照效果和可控的动作，为专业的故事讲述者提供全面的创意控制。

阅读全文

SadTalker – 开源AI数字人项目，一键让照片说话

SadTalker是西安交通大学、腾讯AI实验室和蚂蚁集团联合推出的开源AI数字人项目。SadTalker专注于通过单张人脸图像和语音音频，利用3D运动系数生成逼真的说话人脸动画。

阅读全文

MetaHuman-Stream – 实时交互流式AI数字人技术

MetaHuman-Stream 是一项前沿的实时交互流式AI数字人技术，集成了 ERNerf、MuseTalk、Wav2lip 等多种先进模型，支持声音克隆和深度学习算法，确保对话流畅自然。通过全身视频整合和低延迟通信技术，提供沉浸式体验。

阅读全文

HybridRAG – 黑石联合英伟达推出的混合检索增强生成架构

HybridRAG 是黑石联合英伟达推出的混合检索增强生成架构，结合了检索增强生成（Retrieval-Augmented Generation）模型的机器学习架构。模型通过检索系统寻找与输入相关的信息，然后将这些信息与输入一起输入到生成模型中，生成更准确和丰富的输出。

阅读全文

林间聊愈室 – 懂你情绪的24小时AI心灵伙伴

林间聊愈室是Mindera Technology推出的提供24小时AI陪伴的心理健康应用，为人们提供一个安全、私密的环境，在这里可以随时随地分享他们的感受和经历。用户可以在这里与可爱的动物角色——花花狸、森森鹿和咕咕熊——进行互动，分享情绪和日常琐事。

阅读全文

CrewAI – 构建多个 AI Agents 高效协作的开源平台

CrewAI是专注于构建多个 AI Agents 高效协作的开源平台，通过简化 AI Agents 框架的使用，企业能快速构建和部署智能自动化解决方案。CrewAI平台的核心优势在于其生产就绪的API集成能力，支持用户将多智能体团队轻松转换为API，实现与其他系统的无缝连接。

阅读全文

Llama-3.1-Minitron – 英伟达联合Meta推出的Llama 3.1 4B参数模型

Llama-3.1-Minitron是由英伟达和Meta合作开发的AI模型，通过剪枝和知识蒸馏技术从Llama 3.1 8B模型精炼而成的更小型4B参数模型。这种优化减少了模型大小和复杂性，同时保持了核心性能。

阅读全文

MovieDreamer – 专为长视频研发的AI视频生成框架

MovieDreamer是浙江大学联合阿里巴巴专为长视频研发的AI视频生成框架。结合自回归模型和扩散渲染技术，能生成具有复杂情节和高视觉质量的长视频。

阅读全文

Glyph-ByT5 – 多语言视觉文本渲染项目

Glyph-ByT5-v2由微软亚洲研究院、清华大学、北京大学和利物浦大学联合开发的多语言视觉文本渲染项目。Glyph-ByT5-v2支持10种不同语言的准确视觉文本渲染，审美质量上取得了显著提升。

阅读全文

FancyVideo – 360推出的AI文生视频模型

FancyVideo是360联合中山大学推出的AI文生视频模型。基于创新的跨帧文本引导模块（Cross-frame Textual Guidance Module, CTGM），能根据文本提示生成动态丰富且时间上连贯的视频内容。FancyVideo突破极大地提升了文本到视频（Text-to-Video, T2V）生成任务的质量和自然度。

阅读全文