LiveCC – 字节联合新加坡国立大学开源的实时视频解说模型
LiveCC是什么 LiveCC 是新加坡国立大学Show Lab 团队联合字节跳动推出的实时视频解说模型，基于自动语音识别（ASR）字幕进行大规模训练。LiveCC像专业解说员一样快速分析视频内容...
排序
OpenMath-Nemotron – 英伟达开源的数学推理系列模型
OpenMath-Nemotron是什么 OpenMath-Nemotron是英伟达推出的系列开源数学推理模型，专门用在解决复杂数学问题，包括奥林匹克级别的难题。模型基于大规模数据集OpenMathR...
Kimi-Audio – Moonshot AI 开源的音频基础模型
Kimi-Audio是什么 Kimi-Audio 是 Moonshot AI 推出的开源音频基础模型，专注于音频理解、生成和对话任务。在超过 1300 万小时的多样化音频数据上进行预训练，具备强大的音...
Firefly Image Model 4 – Adobe 推出的图像生成模型
Firefly Image Model 4是什么 Firefly Image Model 4 是 Adobe 最新推出的图像生成模型，是目前最快、最具控制性和最逼真的 Firefly 图像模型，支持生...
Step1X-Edit – 阶跃星辰开源的通用图像编辑框架
Step1X-Edit是什么 Step1X-Edit 是阶跃星辰团队推出的通用图像编辑框架，能缩小开源图像编辑模型与闭源模型（如 GPT-4o 和 Gemini2 Flash）之间的性能差距。Step...
WebSSL – Meta联合纽约大学等机构推出的视觉自监督学习系列模型
WebSSL是什么 WebSSL（Web-scale Self-Supervised Learning）是Meta、纽约大学等机构推出的视觉自监督学习（SSL）系列模型，基于大规模网络数据（如数十亿图...
Paper2Code – AI论文自动转为代码的多智能体框架
Paper2Code是什么 Paper2Code 是韩国科学技术院和DeepAuto.ai联合推出的多 Agent 大语言模型（LLM）框架，支持将机器学习领域的科学论文自动转换为可运行的代码仓库。P...
EmaFusion – AI初创公司 Ema 推出的多模型融合技术
EmaFusion是什么 EmaFusion 是人工智能初创公司 Ema 推出的多模型融合技术，为企业级 AI 应用提供高效、灵活且低成本的解决方案。通过动态结合 100 多种语言模型，根据任务需求智...
Lyria 2 – DeepMind 推出的 AI 音乐生成模型
Lyria 2是什么 Lyria 2 是谷歌 DeepMind 推出的第三代 AI 音乐生成模型，作为 Vertex AI 平台的核心组件，具备高保真音频生成能力，能输出 48kHz、24-bit 的...
Concept Lancet – 宾夕法尼亚大学推出的图像编辑框架
Concept Lancet是什么 Concept Lancet（CoLan）是宾夕法尼亚大学的研究团队推出的零样本、即插即用的图像编辑框架。Concept Lancet基于在潜在空间中对图像进行稀疏...