新闻资讯
MOSS-TTSD 是由上海创智学院、复旦大学和模思智能的OpenMOSS团队联合推出的一个开源的文本到口语对话生成模型，专为多人对话场景设计，能够将完整的对话脚本直接转换为自然流...
2025-07-07
新闻资讯
918
Magnitude 是一个基于视觉人工智能(Vision AI)的开源浏览器自动化工具，旨在让用户通过自然语言控制浏览器界面。它不仅可以理解网页界面内容，还能根据用户的指令执行精准操作...
2025-07-04
新闻资讯
1020
Gemma 是由Google DeepMind主导开发的一系列轻量级开源AI模型，该项目基于谷歌旗舰模型Gemini的技术架构，旨在为开发者、研究人员及企业提供高性能、低部署门槛的AI工具。
2025-07-04
新闻资讯
789
GLM-4.1V-Thinking 是由智谱AI（Zhipu AI）与清华大学联合研发的开源视觉语言大模型（Vision-Language Model, VLM），专注于提升AI系统在复杂认知任务中的推理能力。该项目包...
2025-07-04
新闻资讯
928
VideoLingo 是是一款开源的全自动视频翻译与本地化工具，旨在通过人工智能技术解决跨语言视频内容传播的障碍。它集成了语音识别、大语言模型翻译、字幕优化和文本转语音（TTS...
2025-07-03
新闻资讯
933
MirrorMe 是由阿里通义实验室开发的一款实时、高保真、可控的音频驱动肖像动画框架，该项目旨在解决当前音频驱动肖像动画领域存在的高延迟、时间一致性差、身份保持困难和控制...
2025-07-03
新闻资讯
787
BlenderFusion 是由谷歌DeepMind团队开发的一项革命性技术，它能够将普通的2D照片转换成完全可编辑的3D场景。它能够精确控制图片中每个物体的位置、角度、大小，改变颜色材质...
2025-07-03
新闻资讯
785
ML-Master 是由上海交通大学人工智能学院Agents团队开发的一款面向机器学习（Machine Learning）的AI专家智能体系统，旨在通过创新的"探索-推理深度融合"范式，实现AI系统自主...
2025-07-02
新闻资讯
830
XVerse 是字节跳动AI实验室开源的一款创新性多主体可控文本到图像生成框架，旨在解决传统扩散变换器(DiTs)在多主题生成场景中面临的身份混淆和属性纠缠问题。该项目基于先进的...
2025-07-02
新闻资讯
946
ThinkSound是什么ThinkSound 是阿里巴巴通义实验室开源的一款多模态音频生成与编辑模型，它首次将"思维链"(Chain-of-Thought, CoT)推理机制引入多模态音频生成领域，构建了...
2025-07-02
新闻资讯
985
WorldVLA(World Visual-Language-Action)是阿里巴巴达摩院开发的统一视觉-语言-动作自回归世界模型，它创造性地将两类原本独立发展的AI模型——视觉语言动作(VLA)模型与世界模...
2025-07-01
新闻资讯
1053
AnimaX是由北京航空航天大学黄泽欢团队领导开发的一项革命性3D动画生成技术，研究团队还包括来自清华大学、香港大学和VAST公司的研究人员。其核心目标是通过简单的文字描述让...
2025-07-01
新闻资讯
847
