Al项目
AI工具集介绍和收录了当前流行的AI研究项目和框架，紧跟最新AI领域的进展，解读AI研究论文和方法框架，帮你快速了解这些项目的工作原理。
3℃Stagehand – AI网页浏览框架，提供简单和可扩展的网页自动化解决方案
Stagehand是什么Stagehand是简单和可扩展的AI网页浏览框架，是Playwright的继承者，提供act、extract和observe三个简单的API，支持自然语言驱动的网页操作。Stagehand提供一个轻量级、可配置、...
1℃VideoTuna – AI视频生成应用代码库，支持多模型和全面的视频生成流程
VideoTuna是什么VideoTuna是集成多种AI视频生成模型的代码库，支持文本到视频、图像到视频和文本到图像的转换。VideoTuna提供预训练、持续训练、后训练对齐和微调等全面视频生成流程，支持U-Net和DiT架构，并计划推出...
2℃ComfyUI-MochiEdit – 开源的AI视频编辑工具，支持视频转视频和局部编辑
ComfyUI-MochiEdit是什么ComfyUI-MochiEdit是基于ComfyUI和Genmo Mochi的开源视频编辑工具，基于将视频转换为噪声、重新采样实现视频编辑，支持局部编辑和视频转视频功能。用户能调整噪声校正强度、对...
1℃HiCo – 360 AI研究院推出的布局可控AI绘画模型
HiCo是什么HiCo是360 AI研究院推出的基于扩散模型的层次化可控布局到图像生成模型，HiCo基于多分支结构设计，实现对对象位置和文本描述的精确控制。HiCo的关键特点在于进行空间解耦，有效地处理复杂布局，减少对象缺失和视角
1℃Ferret-UI 2 – 苹果推出的跨平台UI理解多模态大语言模型
Ferret-UI 2是什么Ferret-UI 2是苹果公司推出的多模态大型语言模型，用在理解和交互移动用户界面。Ferret-UI 2能识别和理解各种移动设备屏幕上的UI元素，执行复杂的用户指令，实时观察用户在移动设备屏幕上的操作，随时...
1℃MMBench-Video – 上海AI Lab联合多所高校推出的长视频理解基准测试
MMBench-Video是什么MMBench-Video是新颖的长视频多题问答基准测试，是浙江大学、上海人工智能实验室、上海交通大学和香港中文大学联合推出的。MMBench-Video能全面评估大型视觉语言模型（LVLMs）在视频理解方...
2℃MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式
MiniMates是什么MiniMates是高性能的轻量级数字人驱动算法，具备语音和表情两种驱动模式，能在普通电脑上实现实时运行。基于先进的技术架构，提供极致的速度体验和个性化定制功能，支持用户根据需求定制AI伙伴。MiniMates拥
0℃MotionCLR – AI动作编辑模型，根据文本提示生成相应的动作序列
MotionCLR是什么MotionCLR是基于注意力机制的人体动作生成和编辑模型，能根据文本提示生成动作，支持用户进行交互式编辑，如动作强调、减弱、替换、擦除和风格转移。MotionCLR基于自注意力和交叉注意力机制理解和编辑动作，
2℃DocMind – 司马阅推出的文档智能大模型
DocMind是什么DocMind是司马阅推出的文档智能大模型，基于Transformer结构，融合深度学习、NLP和CV技术，能处理富文本文档的复杂结构和视觉信息，提高信息抽取准确性。DocMind支持精准识别文档实体、捕捉文本依赖关系...
1℃DistilQwen2 – 阿里推出基于Qwen2优化的轻量级语言模型
DistilQwen2是什么DistilQwen2是基于Qwen2大模型用知识蒸馏技术优化得到的轻量级语言模型，能提高运算效率和降低部署成本。DistilQwen2基于深度剖析大模型、增强指令数据多样性和优化蒸馏算法，将复杂知识传递给小模...
2℃Hunyuan3D-1.0 – 腾讯推出的3D生成模型，支持文生3D和图生3D
Hunyuan3D-1.0是什么Hunyuan3D-1.0 是腾讯推出的3D生成模型，具备文本和图像输入条件，支持高质量的3D资产生成。该模型采用两阶段方法，首先使用多视角扩散模型生成多视角RGB图像，再基于Transformer的稀疏视...
1℃Hunyuan-Large – 腾讯推出的大型混合专家（MoE）模型
Hunyuan-Large是什么Hunyuan-Large是腾讯推出的大型混合专家（MoE）模型，具有3890亿总参数量和520亿激活参数量，是目前业界参数规模最大的开源MoE模型。基于Transformer架构，支持高达256K的文本序...
1℃Cofounder – 全栈AI应用构建器，辅助开发者自动生成完整的应用程序
Cofounder是什么Cofounder是开源的全栈AI开发代理，能帮助开发者基于单一提示自动生成完整的应用程序，包括后端、前端、数据库和有状态的Web应用。Cofounder基于生成式AI技术，提供基于应用架构的UI、AI引导的原型设...
1℃MagicTailor – 组件可控个性化图像生成新框架
MagicTailor是什么MagicTailor 是专门为组件可控个性化设计的新框架，让T2I模型在个性化过程中能精确控制。MagicTailor 基于两个关键技术动态掩码退化（DM-Deg）和双流平衡（DS-Bal），解决语义污染和语...
1℃Claude Computer Use – Anthropic推出支持AI自动化操作电脑任务的功能
Claude Computer Use是什么Claude Computer Use是Anthropic公司推出的新功能，支持AI模型Claude 3.5 Sonnet 执行类似人类的电脑操作，如查看屏幕、移动光标、点击按钮和输入文本。基于...
1℃Docling – IBM开源的文档解析工具
Docling是什么Docling是开源的文档解析和转换工具，能高效地将多种格式的文档（包括PDF、DOCX、PPTX、图片和HTML）解析，导出为Markdown或JSON格式。Docling支持高级PDF理解、OCR功能，能与Llam...
0℃Cerebellum – 浏览器AI助手，完成网页自动化任务和行动规划
Cerebellum是什么Cerebellum是基于Claude 3.5 Sonnet和Selenium WebDriver构建的浏览器AI智能助手，能理解任务意图、执行网页自动化任务，如数据抓取和网站自动化测试。Cerebellum将网...
0℃WebRL – 清华联合智谱AI推出的自进化在线课程强化学习框架
WebRL是什么WebRL是清华大学、智谱AI联合推出的自我进化的在线课程强化学习框架，训练使用开放大型语言模型（LLMs）的高性能网络代理。WebRL动态生成任务、结果监督奖励模型（ORM）评估任务成功与否，及自适应强化学习策略，解决训
2℃GameGen-X – 香港科技大学联合多所机构推出的交互式开放世界游戏生成算法
GameGen-X是什么GameGen-X是香港科技大学、中国科学技术大学等机构研究人员推出的扩散变换器模型，用在生成和交互控制开放世界游戏视频。模型能模拟游戏引擎功能，如创新角色、动态环境、复杂动作和多样化事件，支持用户用
1℃OuteTTS – 开源的文本到语音合成项目，基于纯语言建模方法生成语音
OuteTTS是什么OuteTTS是开源的文本到语音（TTS）项目，基于纯语言建模的方法生成语音。OuteTTS项目基于LLaMa架构，用Oute3-350M-DEV基础模型，拥有3.5亿参数。OuteTTS具备音频标记化、CTC强制对齐...
Age of AI导航收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
备:******号