人工智能
  1. 首页
  2. 人工智能

列表

SANA 1.5

SANA 1.5

SANA 1.5是由英伟达联合多所高校研发的高效线性扩散变换器，专用于文本到图像生成任务。其核心优势包括高效的训练扩展、模型深度剪枝、推理时扩展等技术，能够在不同计算预算下灵活调整模型性能。支持多语言输入，并具备开源特性，适用于创意设计、影视制作、教育等多个领域。实验表明，其生成质量接近行业领先水平，同时显著降低计算成本。
AI项目与工具 2025年06月12日
ASAP

ASAP

ASAP是一种由卡内基梅隆大学与英伟达联合开发的两阶段框架，用于解决仿人机器人在模拟与现实之间动力学不匹配的问题。它通过预训练阶段在模拟环境中学习运动策略，并在后训练阶段利用真实数据训练Delta动作模型，补偿动力学差异。该框架提高了机器人在复杂任务中的敏捷性、协调性和运动精度，支持多种应用场景，如体育、救援、工业、家庭服务及虚拟现实等，为仿人机器人的实际应用提供了高效的技术方案。
AI项目与工具 2025年06月12日
Copilot Edits

Copilot Edits

Copilot Edits是GitHub Copilot推出的AI辅助代码编辑工具，支持通过自然语言指令在多个文件中进行内联修改，具备实时预览、代码审查、多语言模型选择等功能。它适用于批量代码修改、漏洞修复、功能扩展和项目迁移等场景，提升了开发效率与代码质量。目前仍存在一定限制，如文件数量和编辑频率限制。
AI项目与工具 2025年06月12日
Sonic

Sonic

Sonic是由腾讯与浙江大学联合开发的音频驱动肖像动画框架，基于音频信号生成逼真面部表情和动作。它通过上下文增强音频学习和运动解耦控制器，提升唇部同步精度与运动多样性。Sonic在长视频生成中表现出色，具备高稳定性与自然连贯性，支持用户自定义参数。适用于虚拟现实、影视制作、在线教育、游戏开发和社交媒体等多个领域。
AI项目与工具 2025年06月12日
WorldSense

WorldSense

WorldSense是由小红书与上海交通大学联合开发的多模态基准测试工具，用于评估大型语言模型在现实场景中对视频、音频和文本的综合理解能力。该平台包含1662个同步视频、3172个问答对，覆盖8大领域及26类认知任务，强调音频与视频信息的紧密耦合。所有数据经专家标注并多重验证，确保准确性。适用于自动驾驶、智能教育、监控、客服及内容创作等多个领域，推动AI模型在多模态场景下的性能提升。
AI项目与工具 2025年06月12日
GenSFX

GenSFX

GenSFX 是一款基于 AI 的在线音效生成工具，可根据文本描述快速生成高质量音效，支持环境音、自然声、动物叫声、机械声、科幻音效等多种类型。用户可自定义参数并下载多种格式的音频文件，适用于视频制作、游戏开发、播客和广告等多个领域，提升内容创作效率与表现力。
AI项目与工具 2025年06月12日
FlashVideo

FlashVideo

FlashVideo是由字节跳动团队研发的高分辨率视频生成框架，采用两阶段方法优化计算效率。第一阶段在低分辨率下生成高质量内容，第二阶段通过流匹配技术提升至1080p，仅需4次函数评估。其特点包括高效计算、细节增强、快速预览及多场景应用，适用于广告、影视、教育等领域。
AI项目与工具 2025年06月12日
Aidge

Aidge

Aidge是阿里巴巴国际数字商业集团推出的AI电商运营平台，集成了翻译、虚拟模特生成和图像处理等功能，旨在提升跨境电商效率与用户体验。平台提供API接口，支持多语言开发，适用于多种电商场景，如产品推广、客服支持和本地化营销，助力商家降低成本、提高转化率。
AI项目与工具 2025年06月12日
Zonos

Zonos

Zonos是一款由Zyphra开发的高保真文本到语音（TTS）模型，支持零样本语音克隆和多语言生成，具备精细的情感与语音参数控制能力。其采用Transformer和SSM混合架构，基于大规模语音数据训练，适用于有声读物、虚拟助手、多媒体创作及无障碍技术等多个领域。模型开源且支持实时语音生成，具有广泛的应用潜力。
AI项目与工具 2025年06月12日
HUGWBC

HUGWBC

HUGWBC是由上海交通大学与上海AI Lab联合开发的人形机器人全身控制器，支持多种自然步态和精细参数调整，具备高鲁棒性和实时外部干预能力。基于强化学习和不对称训练框架，实现从模拟到现实的高效迁移，适用于复杂地形导航、动态任务执行及人机协作等多种场景。
AI项目与工具 2025年06月12日