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 417 / 422 页

MusicFX – 谷歌推出的免费的AI音乐生成工具

Google MusicFX是谷歌推出的一款免费的人工智能音乐生成工具，基于谷歌的MusicLM模型和DeepMind的水印技术SynthID，可以创作长达70秒的曲子和loop循环。该工具的目标是让音乐创作变得更加简单和易于访问，即使是没有专业音乐背景的用户也能够通过输入文字描述来生成高质量的原创背景音乐。

OLMo – 艾伦AI研究所开源的完全开放的大语言模型框架

OLMo（Open Language Model）是由Allen AI（AI2，艾伦AI研究所）开发的一个完全开源开放的大型语言模型（LLM）框架，设计初衷是为了通过开放研究，促进学术界和研究人员共同研究语言模型的科学。OLMo框架提供了一系列的资源，包括数据、训练代码、模型权重以及评估工具，以便研究人员能够更深入地理解和改进语言模型。

ImageFX – 谷歌推出的人工智能图像生成工具

Google ImageFX是谷歌最新推出的一款人工智能图像生成工具，基于谷歌的 DeepMind 实验室开发的一个先进的文本到图像的生成模型 — Imagen 2。ImageFX 的设计目的是根据用户提供的文本提示生成高质量的图像，声称能够生成迄今为止质量最高的图像，并且在处理文本到图像系统中常见的挑战方面有所改进，同时保持图像不受干扰性视觉伪影的影响。

IP-Adapter – 腾讯开源的文本到图像扩散模型适配器

IP-Adapter（Image Prompt Adapter）是一种专门为预训练的文本到图像扩散模型（如Stable Diffusion）设计的适配器，目的是让文生图模型能够利用图像提示来生成图像。该方法是由腾讯AI实验室的研究人员提出的，旨在解决仅使用文本提示生成理想图像时的复杂性和挑战。

360AI搜索 – 360推出的新一代答案引擎

360AI搜索是360公司推出的一款集成了人工智能技术的搜索引擎，类似于Perplexity被设计为新一代答案引擎，旨在为用户提供更加精准、全面和智能的搜索体验。当用户在360AI搜索中输入问题时，系统会通过一系列复杂的处理流程来生成答案，包括问题分析、语义理解、关键词分解、网页检索、内容提取和答案生成等步骤。

Follow Your Pose – 开源的姿态全可控视频生成框架

Follow Your Pose是由清华大学、香港科技大学、腾讯AI Lab以及中科院的研究人员开源的一个基于文本到视频生成的框架，允许用户通过文本描述和指定的人物姿态来生成视频。该框架采用了两阶段的训练策略，能够生成与文本描述和姿态序列高度一致的视频，同时保持视频中人物动作的真实性和连贯性。

Lepton Search – 开源的对话式AI搜索引擎项目

Lepton Search是由原阿里巴巴技术副总裁和AI科学家贾扬清创办的Lepton AI应用构建平台开源的一个对话式AI搜素引擎，该项目基于调用Lepton平台上的云端人工智能模型和Bing搜索的API密钥，仅用不到 500 行 Python 代码就构建了一个类似于Perplexity AI的对话搜索引擎。

ActAnywhere – Adobe推出的AI视频背景生成模型

ActAnywhere是一个由斯坦福大学和Adobe Research的研究人员共同开发的视频生成模型，旨在解决视频背景生成的问题，特别是在需要将前景主体（如人物）与新背景无缝结合的场景中。这个模型适用于电影制作和视觉效果（VFX）领域，它能够自动化地创建与前景主体运动相协调的视频背景，从而节省了传统手动合成过程中的大量时间和精力。

Vary-toy：开源的小型视觉多模态模型

Vary-toy是一个小型的视觉语言模型（LVLM），由来自旷视、国科大、华中大的研究人员共同提出，旨在解决大型视觉语言模型（LVLMs）在训练和部署上的挑战。对于资源有限的研究者来说，大型模型通常拥有数十亿参数，难以在消费级GPU上（如GTX 1080Ti）进行训练和部署。Vary-toy的核心目标便是让研究人员能够在有限的硬件资源下，体验到当前LVLMs的所有功能（文档OCR、视觉定位、图像描述、视觉文答等）。

DemoFusion – 免费开源的图像分辨率超清增强框架

DemoFusion是一个旨在低成本进行高分辨率图像生成的技术框架，通过扩展现有的开源生成人工智能模型（如Stable Diffusion），使得这些模型能够在不进行额外训练和不产生过高内存需求的情况下，将模糊的低分辨率图像变得更加高清（放大4倍、16倍甚至更高分辨率）。DemoFusion采用渐进式升级、跳跃残差和扩张采样机制来实现更高分辨率的图像生成。

Freepik Pikaso – 实时AI绘图工具，将草绘转换为图像

Freepik Pikaso是由创意和设计资源平台Freepik推出的一个实时AI绘画生成器，该工具借助人工智能技术，允许用户通过简单的手绘草图和描述性文字来实时生成艺术作品。用户可以在Pikaso中描绘自己的创意，然后AI会根据这些输入实时生成图像，将用户的初步想法转化为精美的艺术作品。

Real-ESRGAN：腾讯推出的开源图像分辨率提升模型

Real-ESRGAN（Real-World Blind Super-Resolution with Pure Synthetic Data）是由腾讯的研究团队推出的一个深度学习模型，专门用于处理和提升低分辨率图像到高分辨率图像的质量。这个模型的特点是能够在没有真实高分辨率图像作为参考的情况下，通过合成的退化过程来训练，从而模拟现实世界中的图像退化。这种方法被称为“盲超分辨率”（blind super-resolution），因为它不需要知道图像是如何从高分辨率退化到低分辨率的。

DDColor – 阿里推出的AI图像上色框架，将黑白图片变彩色

DDColor是阿里达摩院的研究人员推出的一个开源的AI图像着色框架，可以一键将黑白图片上色变为全彩图像。该方法通过使用双解码器架构（像素解码器和颜色解码器）来实现对灰度图像的自动着色，使得生成的彩色图像更加逼真和生动。

哄哄模拟器 – AI模拟各种吵架场景以哄好虚拟对象的应用

哄哄模拟器是一款创新的AI技术驱动的情感沟通辅助应用，融合了语言处理技术和人际交往知识，致力于在各种生活和恋爱场景中提升用户的情商与沟通技巧。哄哄模拟器通过模拟不同的沟通场景，例如缓解恋人之间的误解、解决日常摩擦矛盾等，用户将在有限的互动次数内尝试说服哄好对方，挑战并提升个人的情感智慧和沟通能力。

PixVerse – 免费高清的AI视频生成工具

PixVerse是一个免费高质量的AI视频生成工具，只需输入简单的文本提示即可生成高清的逼真视频，如动漫、写实、3D等风格，将用户的想法转化为令人惊叹的视觉效果。

Leonardo.ai – 免费的AI绘画和图像生成工具和社区

Leonardo.ai 是一个领先的AI绘画和图像生成工具和平台，致力于通过先进的人工智能技术，为广大用户打造一个免费、创新、互动的视觉艺术社区。该平台利用人工智能模型（主要是Stable Diffusion及相关微调模型）帮助用户创造高质量视觉素材，将创意无限放大，让想象变为现实。

星火作家大神 – 科大讯飞推出的面向作家的AI写作工具

星火作家大神是由科大讯飞推出的面向作家的AI小说写作工具，基于讯飞星火认知大模型的AI能力，加上简洁而直观的操作界面，用户只需简单输入写作需求，星火作家大神便能快速打造出内容丰富、风格多样的小说或网络文学作品。

Screenshot to Code – AI将截图转换为网页代码的开源项目

Sscreenshot to Code是一个开源的项目，利用人工智能技术（GPT-4V 和 DALL·E 3）将用户的屏幕截图转换为前端网页代码。项目的核心功能是自动化网页设计的编码过程，使得开发者能够通过提供网页的截图，快速生成相应的HTML、CSS和JavaScript代码，节省前端开发人员的时间和精力。