学习
  1. 首页
  2. 学习

列表

Ingredients

Ingredients

Ingredients是一款基于多身份图像与视频扩散Transformer的视频生成框架，支持多身份特征的高效整合与动态分配。其核心模块包括面部提取器、多尺度投影器和ID路由器，能够保持身份一致性并生成高质量视频内容。无需额外训练即可实现个性化视频制作，适用于娱乐、广告、教育等多个领域。
AI项目与工具 2025年06月12日
SAM2Point

SAM2Point

SAM2Point是一种基于SAM2的3D分割技术，无需额外训练或2D-3D投影，即可直接对任意3D数据进行零样本分割。该工具通过将3D数据体素化，并将其模拟为多方向视频流，实现精确的空间分割。SAM2Point支持多种3D提示类型，如点、框和掩码，展现了在多种场景下的泛化能力，包括3D物体、室内室外环境以及LiDAR数据，为未来的3D可提示分割研究提供了新起点。
AI项目与工具 2025年06月12日
Reverb ASR

Reverb ASR

Reverb ASR是一款基于深度学习的开源自动语音识别与说话人分离工具，采用20万小时高质量英语语音数据训练，具备高精度语音转录能力，支持逐字稿控制及多种解码模式。其显著特点是擅长处理长时间语音内容，并在长篇幅识别任务中超越其他开源模型。Reverb ASR适用于播客、会议记录、法庭记录等多个应用场景，为用户提供灵活且高效的语音转文字解决方案。
AI项目与工具 2025年06月12日
Evo 2

Evo 2

Evo 2 是一款基于 StripedHyena 2 架构的 DNA 语言模型，可处理长达 100 万个碱基对的基因序列，支持长序列建模、DNA 生成、嵌入向量提取及零样本预测等功能。其基于大规模基因组数据训练，适用于基因治疗、合成生物学和进化研究等多个领域，为基因组学研究提供强大支持。
AI项目与工具 2025年06月12日
TPDM

TPDM

TPDM是一种基于扩散模型的图像生成技术，通过引入时间预测模块（TPM）和强化学习优化策略，实现了对去噪步骤的自适应调整，从而在保证图像质量的同时提高了生成效率。该模型适用于多种应用场景，包括文本到图像生成、艺术创作辅助以及数字媒体内容生产等，广泛应用于广告、游戏设计、影视制作等领域。
AI项目与工具 2025年06月12日
MnnLlmApp

MnnLlmApp

MnnLlmApp 是阿里巴巴基于 MNN-LLM 框架开发的开源 Android 应用，支持多种大语言模型在本地运行。具备多模态交互能力，可处理文本、图像、音频等多种输入输出任务。应用经过 CPU 推理优化，运行效率高，支持离线使用，保障数据安全。内置 Qwen、Gemma、Llama 等主流模型，适用于内容创作、智能助手、语言学习及创意设计等多种场景。
AI项目与工具 2025年06月12日
天津大学智能与计算学部

天津大学智能与计算学部

天津大学智能与计算学部是在国家全面实施“双一流”建设的背景下，为进一步优化学科布局，促进交叉融合而组建。学部共设四个学院：计算机科学与技术学院、软件学院、网络安全学院、...
教育学习 1970年01月01日
Luvvoice

Luvvoice

Luvvoice 是一款基于 AI 技术的在线文本到语音转换平台，提供超过 200 种高质量 AI 声音和 70 多种语言选项。用户可以通过上传 PDF 或 TXT 文件，将文本快速转换为自然语音，适用于教育、内容创作、营销及无障碍服务等多个场景。平台支持多种语言调节功能，生成的音频文件支持 MP3 格式下载。
AI项目与工具 2025年06月12日
Liner.ai

Liner.ai

Liner.ai 是一款面向非专业程序员和数据科学家的机器学习工具，通过简单的点击操作即可训练模型，无需编写代码。该工具提供多种项目模板，涵盖图像、文本、音频和视频分类，以及对象检测和图像分割等任务。Liner.ai 支持在 CPU 上快速训练模型，并可在本地完成训练以保护数据隐私。此外，该工具还允许用户轻松地将模型导出到多个平台，适合初学者和专业人士使用。
AI项目与工具 2025年06月12日
Jodi

Jodi

Jodi是由中国科学院计算技术研究所和中国科学院大学推出的扩散模型框架，基于联合建模图像域和多个标签域，实现视觉生成与理解的统一。它支持联合生成、可控生成和图像感知三种任务，利用线性扩散Transformer和角色切换机制，提升生成效率和跨领域一致性。Jodi使用Joint-1.6M数据集进行训练，包含20万张高质量图像和7个视觉域标签，适用于创意内容生成、多模态数据增强、图像编辑与修复等场景。
AI项目与工具 2025年06月11日