未分类
OmniSync – 创新音视频同步技术的突破
OmniSync是什么 OmniSync是由中国人民大学、快手科技和清华大学联合推出的一款通用对口型框架，旨在通过先进的技术实现视频中人物口型与语音的精准同步。...
OmniSync – 创新音视频同步技术的突破
OmniSync是什么 OmniSync是由中国人民大学、快手科技和清华大学联合推出的一款通用对口型框架，旨在通过先进的技术实现视频中人物口型与语音的精准同步。...
FLUX.1 Kontext – 下一代智能图像生成与编辑的突破
FLUX.1 Kontext是什么 FLUX.1 Kontext是由Black Forest Labs开发的先进图像生成与编辑模型，专注于智能理解图像上下文并执行精确编辑。它通过文本和图像提...
SignGemma – 打破沟通障碍的AI手语翻译模型
SignGemma是什么 SignGemma是由谷歌DeepMind团队于2025年5月27日推出的一款强大的AI手语翻译模型。作为Gemma模型家族的最新成员，SignGemma专注于将美国手...
DGM – 自我进化的AI Agent系统
DGM是什么 DGM（Darwin Gödel Machine）是由Sakana AI与加拿大UBC合作推出的一款自改进型AI Agent系统。它结合了达尔文进化论和哥德尔完备性原理，能够通...
Circuit Tracer – 深度解析 Anthropic 开源的 AI 模型内部决策追踪工具
Circuit Tracer 是什么 Circuit Tracer 是由 Anthropic 开发的一款开源工具，旨在通过图形化方式展示大语言模型（LLM）的内部思维过程，提升 AI 的透明度...
从容大模型 – 云从科技的多模态AI新标杆
从容大模型是由云从科技推出的一款多模态人工智能模型，旨在通过强大的视觉、语言和多模态融合能力，为各行业提供高效、智能的解决方案。该模型在国际权威评...
DeepEyes – 多模态深度思考模型的创新与应用
DeepEyes是什么 DeepEyes是由小红书团队与西安交通大学联合研发的多模态深度思考模型，旨在通过“用图思考”的能力，实现视觉与文本信息的深度融合。该模型...
TrackVLA – 开启机器人自主导航新时代
TrackVLA 是由银河通用推出的全球首个产品级端到端导航大模型，属于典型的“视觉-语言-动作”（Vision-Language-Action, VLA）模型。它具备纯视觉环境感知、自...
TEN VAD – 高性能语音活动检测系统，助力智能交互新体验
TEN VAD 是什么？ TEN VAD（Voice Activity Detection）是一款由声网（Agora）与 RTE 开发者社区联合推出的开源语音活动检测模型。它专注于识别音频帧中是...