AI分享圈

gpt-oss是 OpenAI 推出的开源推理模型系列，支持为开发者提供高效、灵活且易于部署的 AI 解决方案。gpt-oss包含两个版本，gpt-oss-120B 拥有 1170 亿参数，支持在 8...

MiDashengLM 是小米开源的高效声音理解大模型，具体参数版本为MiDashengLM-7B ，专注于音频处理与理解。模型基于 Xiaomi Dasheng 音频编码器和 Qwen2.5-Omn...

MOSS-TTSD 是清华大学语音与语言实验室开发的开源口语对话语音生成模型。模型能将文本对话脚本转化为自然流畅且富有表现力的对话语音，支持中英文双语生成。

AudioGen-Omni 是快手推出的多模态音频生成模型，能基于视频、文本等输入生成高质量的音频、语音和歌曲。AudioGen-Omni 基于先进的技术，如多模态扩散Transformer和相位对齐...

RedOne 是小红书推出的专为社交网络定制的大语言模型。模型通过三阶段训练策略，融入社交文化知识，强化多任务能力，并对齐人类偏好。RedOne 在社交任务性能上显著优于基础模型，在有害内容检测和浏览...

FastDeploy 是百度推出的高性能推理与部署工具，专为大语言模型（LLMs）和视觉语言模型（VLMs）设计。FastDeploy 基于飞桨（PaddlePaddle）框架开发，支持多种硬件平台...

InteriorGS是群核科技推出的高质量3D高斯语义数据集。数据集包含1000个3D场景，涵盖80多种室内环境，如家庭、便利店、婚宴厅和博物馆等。数据集中有755个类别的554,000多个对象实例...

DragonV2.1 是微软推出的先进的零样本文本到语音（TTS）模型。模型基于 Transformer 架构，支持多语言和零样本语音克隆，仅需 5-90 秒的语音提示能生成自然、富有表现力的语音。

ScreenCoder 是开源的智能工具，能将 UI 设计截图快速转换为高质量的 HTML/CSS 代码。工具基于模块化多智能体架构，结合视觉理解、布局规划和代码合成技术，支持生成高精度且语义化的前端...

Kimi K2 高速版（kimi-k2-turbo-preview）是月之暗面Kimi推出的高性能语言模型。模型在 Kimi K2 的基础上进行优化，输出速度大幅提升，每秒可生成 40 个 Token...