RSIDiff RSIDiff 是一种基于递归自训练的文本到图像生成优化框架，通过高质量提示构建、偏好采样和分布加权机制，提升图像质量和与人类偏好的对齐度，减少训练崩溃风险。它具备自演化能力，降低对大规模数据的依赖，广泛应用于艺术创作、广告设计、VR/AR、游戏开发等领域。 AI项目与工具 2025年06月12日 49 点赞 0 评论 383 浏览
Fugatto Fugatto是一款由英伟达开发的音频合成与转换模型，利用增强型Transformer架构实现了从文本到音频的高效转化。它支持多种音频生成任务，如音乐创作、声音效果设计及语音合成，并可通过ComposableART技术实现对声音属性的精细调控。此外，Fugatto擅长生成动态变化的声音景观，广泛应用于音乐创作、声音设计及广告音频制作等领域。 AI项目与工具 2025年06月12日 44 点赞 0 评论 383 浏览
GenMAC GenMAC是一款基于多代理协作的迭代框架，旨在解决文本到视频生成中的复杂场景生成问题。它通过任务分解为设计、生成和重新设计三阶段，结合验证、建议、修正和输出结构化子任务，利用自适应自路由机制优化视频生成效果。该工具可应用于电影制作、游戏开发、广告设计、教育培训和新闻报道等多个领域，显著提升视频生成的效率和质量。 AI项目与工具 2025年06月12日 42 点赞 0 评论 383 浏览
PP PP-DocBee是百度飞桨推出的多模态文档理解模型，基于ViT+MLP+LLM架构，支持文字、表格、图表等多类型文档内容的精准识别与解析。具备高效的推理性能和高质量输出，适用于文档问答、信息提取等场景，支持灵活部署，为文档处理提供智能化解决方案。 AI项目与工具 2025年06月12日 56 点赞 0 评论 384 浏览
BGE BGE-VL是由北京智源研究院联合高校开发的多模态向量模型，基于大规模合成数据MegaPairs训练，具备高效的多模态数据合成方法和强大的泛化能力。它支持图文检索、组合图像检索和多模态嵌入等功能，适用于智能搜索、内容推荐、图像编辑辅助等多个领域。模型在多种任务中表现优异，尤其在组合图像检索方面取得显著成果。 AI项目与工具 2025年06月12日 14 点赞 0 评论 384 浏览
Objaverse Objaverse 是一个为3D领域提供巨大资源的数据库，它不仅支持 AI 模型的训练和3D内容的生成，还与流行的3D编辑软件 Blender 兼容。 创作工具 1970年01月01日 0 点赞 0 评论 384 浏览
Botnow Botnow是一个基于大型语言模型（LLM）的AI智能体创作与分发平台，提供智能体编排、插件系统、工作流管理和知识库四大核心模块。该平台简化了AI智能体的开发和部署流程，支持开发者快速构建并发布智能体至第三方平台或集成至现有系统。Botnow适用于办公自动化、企业服务、智能营销、智能客服及金融行业等多个应用场景。 --- AI项目与工具 2025年06月12日 10 点赞 0 评论 385 浏览
Muyan Muyan-TTS是一款面向播客场景的开源文本转语音工具，基于超10万小时播客数据训练，支持零样本语音合成与说话人适配，可在0.33秒内生成1秒音频，适合实时与长内容合成。支持本地部署与API调用，应用于播客、有声书、视频配音、AI角色及新闻播报等领域，兼具高效性与灵活性。 AI项目与工具 2025年06月11日 94 点赞 0 评论 385 浏览
LDGen LDGen是一款结合大型语言模型与扩散模型的文本到图像生成工具，支持零样本多语言生成，提升图像质量和语义一致性。通过分层字幕优化、LLM对齐模块和跨模态精炼器，实现文本与图像的高效交互。实验表明其性能优于现有方法，适用于艺术创作、广告设计、影视制作等多个领域，具备高效、灵活和高质量的生成能力。 AI项目与工具 2025年06月12日 59 点赞 0 评论 385 浏览
六合AI大模型 六合AI大模型，融合了众多主流语言模型，包括GPT3.5、GPT4.0、文心一言、讯飞星火、Midjourney、LLaMA等一站式AI智能平台。 Ai平台模型 2025年06月05日 31 点赞 0 评论 385 浏览
