排序
KeySync-帝国理工联合弗罗茨瓦夫大学推出的口型同步框架
KeySync是什么 KeySync 是帝国理工学院和弗罗茨瓦夫大学推出的用在高分辨率口型同步框架，支持将输入音频与视频中的口型动作对齐。KeySync 基于两阶段框架实现，首先生成关键帧捕捉音频的关键唇...
9天前Cobra-清华、港中文和腾讯开源的漫画线稿上色框架
Cobra是什么 Cobra（Efficient Line Art COlorization with BRoAder References）是清华大学、香港中文大学和腾讯ARC实验室推出的漫画线稿上色框架，专为高精度、高效率和灵活的工业应用设计。...
9天前KeySync-帝国理工联合弗罗茨瓦夫大学推出的口型同步框架
KeySync是什么 KeySync 是帝国理工学院和弗罗茨瓦夫大学推出的用在高分辨率口型同步框架，支持将输入音频与视频中的口型动作对齐。KeySync 基于两阶段框架实现，首先生成关键帧捕捉音频的关键唇...
9天前Pixelfox-免费AI图片编辑工具，支持AI背景移除、换脸、增强等功能
Pixelfox是什么 Pixelfox 是免费的在线图片编辑工具，基于AI技术简化图片编辑过程。Pixelfox 提供多种功能，如背景移除、对象移除、图片增强、AI 修复、换脸、图片扩展和图像生成等。用户无需下...
9天前Pixelfox-免费AI图片编辑工具，支持AI背景移除、换脸、增强等功能
Pixelfox是什么 Pixelfox 是免费的在线图片编辑工具，基于AI技术简化图片编辑过程。Pixelfox 提供多种功能，如背景移除、对象移除、图片增强、AI 修复、换脸、图片扩展和图像生成等。用户无需下...
9天前OmniReference-MidjourneyV7推出的图像参考功能
Omni Reference是什么 Omni Reference 是 Midjourney 推出的全能参考功能，支持用户将特定的人物、物体或场景从参考图像中嵌入到生成的图像中。Omni Reference 适用于Midjourney V7 版本，支持...
9天前OmniReference-MidjourneyV7推出的图像参考功能
Omni Reference是什么 Omni Reference 是 Midjourney 推出的全能参考功能，支持用户将特定的人物、物体或场景从参考图像中嵌入到生成的图像中。Omni Reference 适用于Midjourney V7 版本，支持...
9天前Text2CAD-AI辅助设计平台，将文本描述设计要求转为高精度CAD模型
Text2CAD是什么 Text2CAD 是创新的在线平台，通过人工智能技术将自然语言描述快速转化为专业 CAD 模型。用户只需用简单的语言描述设计想法，如尺寸、形状和功能要求，Text2CAD 的 AI 引擎可在几...
9天前Text2CAD-AI辅助设计平台，将文本描述设计要求转为高精度CAD模型
Text2CAD是什么 Text2CAD 是创新的在线平台，通过人工智能技术将自然语言描述快速转化为专业 CAD 模型。用户只需用简单的语言描述设计想法，如尺寸、形状和功能要求，Text2CAD 的 AI 引擎可在几...
9天前3DV-TON-阿里达摩院联合浙大等推出的视频虚拟试穿框架
3DV-TON是什么 3DV-TON（Textured 3D-Guided Consistent Video Try-on via Diffusion Models）是阿里巴巴达摩院、湖畔实验室和浙江大学联合推出的基于扩散模型的视频虚拟试穿框架，能解决现有方...
9天前3DV-TON-阿里达摩院联合浙大等推出的视频虚拟试穿框架
3DV-TON是什么 3DV-TON（Textured 3D-Guided Consistent Video Try-on via Diffusion Models）是阿里巴巴达摩院、湖畔实验室和浙江大学联合推出的基于扩散模型的视频虚拟试穿框架，能解决现有方...
9天前ACE-Step-ACEStudio联合阶跃星辰开源的音乐生成基础模型
ACE-Step是什么 ACE-Step 是 ACE Studio 和 StepFun 联合推出的开源音乐生成基础模型，基于创新的架构设计实现高效、连贯且可控的音乐创作。ACE-Step结合扩散模型、深度压缩自编码器（DCAE）和...
9天前ACE-Step-ACEStudio联合阶跃星辰开源的音乐生成基础模型
ACE-Step是什么 ACE-Step 是 ACE Studio 和 StepFun 联合推出的开源音乐生成基础模型，基于创新的架构设计实现高效、连贯且可控的音乐创作。ACE-Step结合扩散模型、深度压缩自编码器（DCAE）和...
9天前ReasonIR-8B-MetaAI推出专为推理密集型检索任务设计的模型
ReasonIR-8B是什么 ReasonIR-8B 是 Meta AI 推出的专为推理密集型检索任务设计的模型。基于 LLaMA3.1-8B 训练，采用双编码器架构，将查询和文档分别编码为嵌入向量，通过余弦相似度评分。模型结...
9天前ReasonIR-8B-MetaAI推出专为推理密集型检索任务设计的模型
ReasonIR-8B是什么 ReasonIR-8B 是 Meta AI 推出的专为推理密集型检索任务设计的模型。基于 LLaMA3.1-8B 训练，采用双编码器架构，将查询和文档分别编码为嵌入向量，通过余弦相似度评分。模型结...
9天前Voila-开源端到端语音大模型，实现低延迟语音对话
Voila是什么 Voila 是开源的端到端语音大模型，专为语音交互而设计。具备高保真、低延迟的实时流式音频处理能力，能直接处理语音输入并生成语音输出，为用户提供流畅且自然的交互体验。Voila 集...
9天前Voila-开源端到端语音大模型，实现低延迟语音对话
Voila是什么 Voila 是开源的端到端语音大模型，专为语音交互而设计。具备高保真、低延迟的实时流式音频处理能力，能直接处理语音输入并生成语音输出，为用户提供流畅且自然的交互体验。Voila 集...
9天前kimi-thinking-preview-月之暗面推出的多模态思考模型
kimi-thinking-preview是什么 kimi-thinking-preview 是月之暗面推出的多模态思考模型，具备深度推理能力，擅长解决复杂问题，如代码、数学和工作难题。模型基于 reasoning_content 字段展示推...
9天前kimi-thinking-preview-月之暗面推出的多模态思考模型
kimi-thinking-preview是什么 kimi-thinking-preview 是月之暗面推出的多模态思考模型，具备深度推理能力，擅长解决复杂问题，如代码、数学和工作难题。模型基于 reasoning_content 字段展示推...
9天前UniTok-字节联合港大、华中科技推出的统一视觉分词器
UniTok是什么 UniTok 是字节跳动联合香港大学和华中科技大学推出的统一视觉分词器，能同时支持视觉生成和理解任务。基于多码本量化技术，将视觉特征分割成多个小块，每块用独立的子码本进行量化...
9天前