学习
  1. 首页
  2. 学习

列表

KeySync

KeySync

KeySync是一种高分辨率口型同步工具，由帝国理工学院和弗罗茨瓦夫大学联合开发。其采用两阶段生成框架，结合掩码策略和视频分割模型，实现音频与唇部动作的精准对齐。支持高清视频生成，具备遮挡处理、减少表情泄露等功能，在视觉质量、时间连贯性和同步精度上优于现有方法，适用于自动配音、虚拟形象、视频会议等多场景应用。
AI项目与工具 2025年06月11日
ReasonIR

ReasonIR

ReasonIR-8B 是由 Meta AI 开发的推理密集型检索模型，基于 LLaMA3.1-8B 训练，采用双编码器架构，提升复杂查询处理能力。结合合成数据生成工具，增强模型在长上下文和抽象问题中的表现。在多个基准测试中表现优异，适用于问答系统、教育、企业知识管理和科研等领域。
AI项目与工具 2025年06月11日
UniTok

UniTok

UniTok是由字节跳动联合高校研发的统一视觉分词器，支持视觉生成与理解任务。其采用多码本量化技术，将视觉特征分割并独立量化，显著提升离散token的表示能力。在ImageNet上实现78.6%的零样本分类准确率，图像重建质量达0.38。可作为多模态大语言模型的视觉输入模块，广泛应用于图像生成、视觉问答、内容创作及跨模态检索等场景。
AI项目与工具 2025年06月11日
NoteLLM

NoteLLM

NoteLLM 是一款基于多模态大型语言模型的笔记推荐框架，支持文本与图像信息的融合处理。通过自动生成标签、压缩嵌入、对比学习和指令微调等技术，提升推荐准确性与相关性。其升级版 NoteLLM-2 引入多模态上下文学习与晚期融合机制，增强视觉信息处理能力，适用于个性化推荐、冷启动优化及内容创作辅助等场景。
AI项目与工具 2025年06月11日
Gemini 2.5 Pro (I/O 版)

Gemini 2.5 Pro (I/O 版)

Gemini 2.5 Pro (I/O 版) 是 Google 推出的多模态 AI 模型，具备强大的编程能力和多模态内容生成功能。它能基于提示词或手绘草图快速生成交互式 Web 应用、游戏及模拟程序，并支持代码生成、编辑与优化。该模型在多个基准测试中表现优异，适用于 Web 开发、游戏制作、教育工具构建及企业级应用开发等领域。最新版本进一步提升了性能与灵活性。
AI项目与工具 2025年06月11日
VPP

VPP

VPP（Video Prediction Policy）是清华大学与星动纪元联合开发的AIGC机器人模型，基于视频扩散模型实现未来场景预测与动作生成。支持高频预测与跨机器人本体学习，显著降低对真实数据的依赖。在复杂任务中表现出色，适用于家庭、工业、医疗、教育等多个领域。其开源特性推动了具身智能机器人技术的发展。
AI项目与工具 2025年06月11日
今天学点啥

今天学点啥

“今天学点啥”是一款由秘塔AI开发的AI学习工具，支持用户通过关键词、文档或网页链接生成个性化互动课程，包含PPT和语音讲解。提供多种讲解风格与知识水平适配，具备实时互动、答题挑战和智能推荐功能，适用于学术、职业、兴趣及教育等多种学习场景，提升学习效率与趣味性。
AI项目与工具 2025年06月11日
FlexiAct

FlexiAct

FlexiAct是由清华大学与腾讯ARC实验室联合研发的动作迁移模型，可在空间结构差异较大的场景下实现精准动作迁移，并保持目标主体的外观一致性。其核心模块包括轻量级RefAdapter和频率感知动作提取（FAE），有效提升跨主体动作迁移的灵活性与准确性。该模型适用于影视、游戏、广告等多个领域，具有良好的应用前景。
AI项目与工具 2025年06月11日
Absolute Zero

Absolute Zero

Absolute Zero是由清华大学LeapLab团队联合多家机构研发的新型语言模型推理训练方法，采用自我生成任务并自主解决的机制，实现无需人工标注数据的自我进化学习。模型通过与环境交互获取反馈，持续优化推理能力，支持归纳、演绎和溯因等多种推理模式。其核心在于推动模型从依赖人类监督转向环境反馈驱动，具备跨领域泛化能力和零数据训练特性，适用于通用人工智能、代码生成、数学推理等多个应用场景。
AI项目与工具 2025年06月11日
Avatar IV

Avatar IV

Avatar IV 是 HeyGen 推出的 AI 数字人模型，支持用户通过上传照片和语音快速生成逼真视频。该工具基于音频驱动的表情引擎，能精准捕捉语音中的语调、节奏和情感，生成自然流畅的面部表情和动作。操作简单，无需专业技能，适用于多种角色形象，涵盖社交媒体、企业营销、在线教育等多个领域，是高效内容创作的理想选择。
AI项目与工具 2025年06月11日