Fugatto – 英伟达推出的多功能AI音频生成模型
Fugatto是什么 Fugatto是英伟达（NVIDIA）推出的音频合成和转换模型，全称为”Foundational Generative Audio Transformer Opus ...
排序
LongRAG – 智谱联合清华和中科院推出的双视角鲁棒检索框架
LongRAG是什么 LongRAG是清华大学、中国科学院和智谱的研究团队推出的，面向长文本问答（LCQA）的双视角鲁棒检索增强生成（RAG）框架。基于混合检索器、LLM增强信息提取器、CoT引导过滤...
Illustrious – 开源文本到图像生成模型，专注于生成高质量动漫风格图像
Illustrious是什么 Illustrious是开源的文本到图像动漫图像生成模型，是Onoma AI Research推出的。基于优化批量大小、dropout控制、训练图像分辨率和多级标题等关键...
aisuite – 吴恩达发布开源Python库，一个接口调用多个大模型
aisuite是什么 aisuite是开源的Python库，吴恩达（Andrew Ng）发布的，旨在提供一个统一的接口来调用多个大型语言模型（LLM）服务。支持包括OpenAI、Anthropic、A...
XGrammar – 陈天奇团队推出的LLM结构化生成引擎
XGrammar是什么 XGrammar是由陈天奇团队推出的开源软件库，能为大型语言模型（LLM）提供高效、灵活且可移植的结构化数据生成能力。基于上下文无关语法（CFG）定义结构，支持递归组合以表示复...
Edify 3D – NVIDIA 推出的3D生成模型
Edify 3D是什么 Edify 3D 是 NVIDIA 推出的先进3D资产生成方案，能从文本提示或参考图像快速合成高质量的3D模型。Edify 3D能在两分钟内生成具有详细几何形状、清晰拓扑结构...
SongCreator – AI音乐模型，能理解、生成和编辑歌曲
SongCreator是什么 SongCreator是清华大学深圳国际研究生院、香港中文大学等机构推出的AI音乐生成模型，能从歌词出发生成包含声乐和伴奏的完整歌曲。基于双序列语言模型（DSLM）和注意...
Teacher2Task – 谷歌推出的多教师学习框架
Teacher2Task什么 Teacher2Task是谷歌团队推出的多教师学习框架，引入教师特定的输入标记和重新构思训练过程，消除对手动聚合启发式方法的需求。框架不依赖聚合标签，将训练数据转化为N...
DynaSaur – Adobe 推出的大语言模型代理框架
DynaSaur是什么 DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成和...
Takin AudioLLM – 喜马拉雅推出的系列零样本语音生成模型
Takin AudioLLM是什么 Takin AudioLLM是喜马拉雅Everest团队推出的一系列高质量零样本语音生成模型，包括Takin TTS、Takin VC和Takin Morphing...