AI分享圈

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...

dots.ocr是小红书hi lab开源的多语言文档解析模型，基于17亿参数的视觉语言模型（VLM），能高效地进行文档布局检测和内容识别，同时保持良好的阅读顺序。

HYPIR 是中国科学院深圳先进技术研究院董超团队推出的图像复原大模型。模型结合扩散模型的分数先验与对抗生成网络，实现高效、高质量的图像复原。HYPIR 能快速修复老照片、提升分辨率，同时保持文字清晰...

FLUX.1 Krea [dev] 是 Black Forest Labs 和 Krea AI 联合推出的文生图模型。模型根据输入的文本描述，能生成高质量、逼真的图像，具有独特的美学风格，避免传统 A...