未分类
VITA-Audio – 开源的端到端多模态语音大模型，低延迟、推理快
一、VITA-Audio 是什么 VITA-Audio 是一款开源的端到端多模态语音大模型，具有低延迟、推理速度快的特点。它能够在首次前向传播中生成音频输出，将生成首...
Parakeet TDT 0.6B – 开源语音识别新标杆
Parakeet TDT 0.6B 是什么 Parakeet TDT 0.6B 是英伟达于 2025 年 5 月推出的一款先进开源自动语音识别（ASR）模型，采用 FastConformer 编码器和 TDT 解...
FunGPT – 开源情感调节大师，开启智能互动新体验
一、FunGPT 是什么 FunGPT 是基于 InternLM2.5 系列大模型开发的开源 AI 情感调节项目。它专为帮助用户调节情感而设计，能根据不同需求提供个性化的情感支...
SuperEdit – 图像编辑领域的新一代利器
SuperEdit 是由字节跳动智能创作团队与佛罗里达中央大学计算机视觉研究中心共同开发的一种基于指令引导的图像编辑方法，凭借其创新的技术和显著的优势，在图...
FlowGram – 开源可视化工作流搭建引擎，助力高效开发
FlowGram 是字节跳动开源的可视化工作流搭建引擎，专为 AI 应用场景设计，以下是具体其介绍： FlowGram 是什么 FlowGram 是一款基于节点编辑的可视化流...
Mogao – 多模态生成的全能基础模型
Mogao 是什么 ：Mogao 是由字节跳动 Seed 团队推出的一款先进的交错多模态生成全基础模型，旨在处理和生成多种模态数据，尤其是文本和图像。它打破了传统单模...
Scenethesis 是英伟达推出的创新框架，能够根据文本描述自动生成交互式 3D 场景，结合了大型语言模型和视觉感知技术，通过多阶段流程实现高效生成。
核心功能 文本生成 3D 场景 ：用户输入文本描述，AI 即可自动生成对应的 3D 场景，极大地简化了 3D 内容创作流程。 物理合理性 ：生成的场景物体不会...
Seed-Coder – 开源代码模型系列的创新之作
Seed-Coder 是什么 Seed-Coder 是字节跳动推出的 8B 参数规模的开源代码模型系列，旨在提升代码生成与理解的能力。该系列包含 Base、Instruct 和 Reasonin...
一、LegoGPT是什么
LegoGPT是由卡内基梅隆大学开发的一款创新性AI模型，旨在根据用户的文本提示生成既稳固又可组装的乐高模型。它利用自回归语言模型及丰富的乐高设计数据集进行...
BILIVE – 开源 AI 录播利器，助力 B 站直播高效处理
BILIVE 是什么 BILIVE 是一款基于 AI 技术的开源工具，专为 B 站直播录制与处理设计。它能够实现 7×24 小时无人监守录制，自动完成渲染弹幕、识别字幕、切...