AI项目与工具

Diffusion Self

Diffusion Self

Diffusion Self-Distillation (DSD) 是一种基于预训练文本到图像扩散模型的零样本定制图像生成技术，通过自动生成数据集并微调模型，支持文本条件下的图像到图像转换任务。其核心在于利用生成图像网格与视觉语言模型筛选高质量配对数据集，实现无需人工干预的身份保持定制化图像生成。该技术广泛应用于艺术创作、游戏开发、影视制作、广告营销及个性化商品等领域。
AI项目与工具 2025年06月12日
LongAlign

LongAlign

LongAlign是一种针对文本到图像生成任务的改进方法，通过分段级编码技术和分解偏好优化，有效解决了长文本输入的对齐问题。它能够显著提升生成图像与输入文本的一致性，广泛应用于艺术创作、游戏开发、影视制作及教育等领域，具备高精度和强泛化能力。
AI项目与工具 2025年06月12日
TANGOFLUX

TANGOFLUX

TANGOFLUX是一款高效文本到音频生成模型，具备约5.15亿参数量，能够在3.7秒内生成30秒高质量音频。它采用CLAP-Ranked Preference Optimization框架优化音频输出，支持多种应用场景，包括多媒体内容创作、音频制作、播客、教育及虚拟助手开发。其开源特性推动了相关领域的技术进步。
AI项目与工具 2025年06月12日
DeepEyes

DeepEyes

DeepEyes是由小红书团队和西安交通大学联合开发的多模态深度思考模型，基于端到端强化学习实现“用图思考”能力，无需依赖监督微调。它在推理过程中动态调用图像工具，增强对细节的感知与理解，在视觉推理基准测试V* Bench上准确率高达90.1%。具备图像定位、幻觉缓解、多模态推理和动态工具调用等功能，适用于教育、医疗、交通、安防和工业等多个领域。
AI项目与工具 2025年06月11日
Llama Nemotron

Llama Nemotron

Llama Nemotron是NVIDIA推出的推理模型系列，具备强大的复杂推理、多任务处理和高效对话能力，适用于企业级AI代理应用。模型基于Llama架构优化，采用神经架构搜索与知识蒸馏技术，提升计算效率。包含Nano、Super和Ultra三种版本，分别面向边缘设备、数据中心和高性能计算场景。广泛应用于科研、客服、医疗、物流和金融等领域。
AI项目与工具 2025年06月12日
JoyGen

JoyGen

JoyGen是由京东科技与香港大学联合开发的音频驱动型3D说话人脸视频生成框架，能够实现唇部动作与音频信号的精准同步，并提供高质量的视觉效果。该工具采用单步UNet架构进行高效视频编辑，基于130小时中文视频数据集训练，在唇音同步和视觉质量方面表现优异。适用于虚拟主播、动画制作、在线教育及多语言视频生成等多个领域，为视频内容创作提供了创新解决方案。
AI项目与工具 2025年06月12日
BizGen

BizGen

BizGen是由清华大学与微软研究院联合开发的AI信息图生成工具，能将长篇文章自动转化为专业级的信息图和幻灯片。其核心技术包括高质量数据集Infographics-650K和“布局引导的交叉注意力机制”，可精准控制图像中各区域的文本与视觉元素。支持多语言和多种风格，适用于商业汇报、产品展示、学术研究等多个场景，具备高准确性与排版质量。
AI项目与工具 2025年06月12日
Sweep AI

Sweep AI

Sweep AI 是一款利用人工智能技术优化软件开发流程的工具，集成了大型语言模型与代码分析引擎，主要功能涵盖代码搜索、重构、测试生成以及文档创建等。它旨在帮助开发者提高工作效率，简化代码管理，并支持灵活定制化设置以满足不同团队的需求。
AI项目与工具 2025年06月12日
FlutterFlow

FlutterFlow

FlutterFlow 是一款基于 AI 的移动应用开发工具，支持通过草图或文字描述快速生成 UI 组件和页面，具备自动补全、智能光标、AI 代理构建等功能，提升开发效率并简化流程。可集成多种 AI 模型，适用于原型设计、界面优化及定制化开发场景。
AI项目与工具 2025年06月11日
Fish Audio

Fish Audio

Fish Audio是一款生成式AI文本转语音（TTS）和声音克隆平台，支持多种语言和声音风格，可将文本转换为自然流畅的语音。用户可上传音频样本克隆特定人物的声音，并通过API接口集成到应用程序中。Fish Audio适用于视频制作、有声读物、语音助手、教育与培训以及娱乐创意等领域，满足个性化语音内容生成需求。
AI项目与工具 2025年06月11日