Stable Audio Open Small Stable Audio Open Small 是由 Stability AI 与 Arm 联合开发的轻量级文本到音频生成模型,参数量降至 3.41 亿,适配移动设备和边缘计算场景。基于深度学习与模型压缩技术,支持快速生成音效、音乐片段等音频内容,适用于实时音频生成任务。具备高效运行、低功耗、多场景应用等特点,可用于音乐创作、游戏音效、视频配乐等领域。 AI项目与工具 2025年06月11日 35 点赞 0 评论 688 浏览
Stable Diffusion 3 Stable Diffusion 3 是一款由 Stability AI 开发的先进文本到图像生成模型,通过改进的文本渲染能力、多主题提示支持、可扩展的参数量、图像质量提升及先进的架构技术,实现了高质量和多样性的图像生成。该模型在图像生成和文本理解方面取得了显著进展,并通过 Diffusion Transformer 架构和 Flow Matching 技术提升了模型效率和图像质量。 AI项目与工具 2024年01月01日 87 点赞 0 评论 688 浏览
网易云课堂AI大模型产品经理孵化营 《AI大模型产品经理孵化营》是网易云课堂推出的专业课程,旨在帮助学员掌握AI产品经理的核心知识和技能,理解AI大模型的商业应用,并掌握无需编程即可开发AI应用的技术。课程内容涵盖从基础理论到实际操作的全过程,提供丰富的实战训练模块,帮助学员在AI领域迅速成长。 AI项目与工具 2025年06月12日 63 点赞 0 评论 687 浏览
OWL OWL是一款基于CAMEL-AI框架的多智能体协作系统,支持任务自动化、角色分配与动态交互。其核心功能包括任务分解、记忆模块、灵活部署及大模型驱动的智能体架构。适用于知识工作、智能交通、医疗健康、电商推荐和环境监测等多个场景,提升任务执行效率与智能化水平。 AI项目与工具 2025年06月12日 83 点赞 0 评论 687 浏览
VLOGGER VLOGGER AI是一款由谷歌研究团队开发的多模态扩散模型,主要用于从单一输入图像和音频样本生成逼真的、连贯的人像动态视频。该工具能够根据音频控制人物动作,包括面部表情、唇部动作、头部运动、眼神、眨眼及上身和手部动作,实现音频驱动的视频合成。VLOGGER生成的视频具有高度的真实性和多样性,能够展示原始主体的不同动作和表情。此外,VLOGGER还可以用于编辑现有视频和跨语言视频内容适配。 AI项目与工具 2024年01月01日 12 点赞 0 评论 687 浏览
ViTPose ViTPose 是一种基于 Transformer 架构的人体姿态估计模型,通过图像块处理和特征提取实现关键点定位。提供多种版本,适用于不同任务需求。模型结构简洁,支持灵活扩展和参数调整,具备知识迁移能力。ViTPose+ 拓展至动物姿态估计,提升适用范围。在多个数据集上达到 SOTA 性能,广泛应用于运动分析、虚拟现实等领域。 AI项目与工具 2025年06月12日 28 点赞 0 评论 687 浏览
SeedFoley SeedFoley 是由字节跳动开发的端到端视频音效生成模型,能智能识别并生成与视频内容高度同步的动作和环境音效。通过融合视频时空特征与扩散生成技术,提升音效的准确性和细腻度,支持多种视频长度,适用于生活Vlog、短片制作、游戏视频等多种场景,显著提升视频的沉浸感和表现力。 AI项目与工具 2025年06月12日 63 点赞 0 评论 686 浏览
猎户星空大模型 百亿级模型SOTA,支持 32万 tokens 的上下文能够一次性接受并处理约 45 万汉字的输入内容准确提取关键信息。 创作工具 1970年01月01日 0 点赞 0 评论 686 浏览
Outfit Anyone Outfit Anyone是一款由阿里巴巴智能计算研究院开发的高质量服装虚拟试穿开源项目。它采用双流条件扩散模型处理模特、服装和文本提示,通过衣物图像作为控制因素,生成逼真的虚拟试穿效果。该工具支持低图片输入要求,高质量试衣输出,以及多种服装搭配和姿势调整,适用于普通消费者、服装设计师、模特及电商从业者等不同群体。 AI项目与工具 2024年01月01日 54 点赞 0 评论 686 浏览