Проект с открытым исходным кодом AI

Общее представление Melty - это революционный редактор кода с искусственным интеллектом, который сочетает в себе беседы в чате и контроль версий Git. Разработанный Чарли и Джексоном из Replicate, этот инструмент призван решить проблемы традиционных инструментов для кодирования ИИ. Его самая большая ...

Общее представление AiPy - это инструмент командной строки Python с открытым исходным кодом, разработанный командой Knownsec. Он сочетает в себе Большую языковую модель (LLM) и среду выполнения Python, позволяя пользователям автоматически генерировать и запускать Pytho...

Введение Fay - это фреймворк с открытым исходным кодом для создания 3D-виртуальных цифровых людей, который объединяет языковые модели и цифровые персонажи для различных сценариев применения, таких как виртуальные гиды по магазинам, виртуальные ведущие, ассистенты, официанты, учителя, а также голосовые или текстовые мобильные помощники.Fay поддерживает полное автономное использование, обеспечивая м...

Целью распознавания таблиц является разбор таблиц на изображениях, точная идентификация структуры таблиц и расположения ячеек, а также приведение их к структурированным табличным форматам (например, HTML). В современный информационный век большое количество важных табличных данных по-прежнему существует в неструктурированном виде (например, отсканированные документы с изображениями статистических таблиц...).

Общее представление Auto-Deep-Research - это инструмент ИИ с открытым исходным кодом, разработанный Лабораторией интеллекта данных Гонконгского университета (HKUDS), цель которого - помочь пользователям автоматизировать задачи глубокого исследования. Он построен на базе фреймворка AutoAgent и поддерживает множество больших языковых моделей...

QAnything Comprehensive Introduction QAnything (Question and Answer based on Anything) - это локальная система вопросов и ответов на основе базы знаний, запущенная компанией NetEase, которая поддерживает все виды форматов файлов и баз данных, может быть установлена и использована в автономном режиме....

Общее введение Morphik Core - это проект с открытым исходным кодом, разработанный командой morphik-org и размещенный на GitHub. Раньше он назывался DataBridge Core, но теперь переименован в Morphik Core.This...

Общее представление AutoGen - это фреймворк с открытым исходным кодом, разработанный группой исследователей Microsoft и направленный на упрощение создания приложений с большой языковой моделью (LLM) посредством диалога между несколькими интеллектуальными организмами. Он позволяет разработчикам создавать агентов ИИ, которые могут вести диалог друг с другом и совместно решать поставленные задачи. Такой подход не только повышает производительность LLM...

Всеобъемлющее введение VoiceCraft - это инструмент редактирования речи с открытым исходным кодом и синтеза речи с нулевой выборкой, основанный на нейронной модели языка кодека. В нем используется инновационный метод генерации кодированных последовательностей, который позволяет вставлять, удалять и заменять существующие речевые последовательности для создания естественной, связной отредактированной речи...

Общее представление CapsWriter-Offline - это инструмент голосового ввода и транскрипции субтитров для ПК, размещенный на GitHub и созданный разработчиком HaujetZhao. Он работает полностью автономно и не требует подключения к Интернету для преобразования речи в текст и аудиовизуальных...

Общее представление Zonos - это инструмент синтеза и клонирования речи с открытым исходным кодом, разработанный компанией Zyphra. Версия Zonos-v0.1 использует усовершенствованный трансформатор и модель смешивания для создания высококачественной речи. Инструмент поддерживает множество языков...

Общие сведения Введение Markdownify MCP Server - это инструмент с открытым исходным кодом, основанный на протоколе Model Context Protocol, размещенный на GitHub разработчиком Заком Касересом ...

Всеобъемлющее введение LHM (Large Animatable Human Reconstruction Model) - это проект с открытым исходным кодом, разработанный командой aigc3d для быстрой генерации поддерживающей действия 3D-модели человека из одного изображения. Основные характеристики ...

Общее представление code2prompt - это инструмент командной строки с открытым исходным кодом, созданный разработчиком Mufeed VH и размещенный на GitHub, призванный помочь пользователям быстро преобразовывать целые базы кода в подсказки, подходящие для Large Language Model (LLM) (подсказки...

Всеобъемлющее введение Fast GraphRAG - это инструмент с открытым исходным кодом, разработанный Circlemind AI для обеспечения эффективного и точного расширения поиска (RAG) с помощью алгоритмов Knowledge Graph и PageRank. Инструмент интеллектуально адаптируется к использованию пользователем...

Общее представление Austen - это инструмент искусственного интеллекта с открытым исходным кодом, использующий фреймворк Angular и инициализацию Analogjs в сочетании с технологией Mermaidjs для создания диаграмм, которые помогают пользователям анализировать взаимоотношения персонажей в книгах. Пользователи могут вводить открытые...

Всеобъемлющее введение Probly - это инструмент для работы с электронными таблицами, разработанный командой PragmaticMachineLearning с открытым исходным кодом на GitHub, который сочетает в себе функциональность традиционных электронных таблиц с мощными возможностями анализа данных с помощью искусственного интеллекта. Он не только поддерживает использование ...

Общее представление Data Formulator - это инструмент визуализации данных с открытым исходным кодом, управляемый искусственным интеллектом, разработанный Microsoft Research. Инструмент сочетает в себе графический интерфейс пользователя (GUI) и естественный язык ввода (NL), что позволяет пользователям быстро создавать и итерировать данные с помощью простых взаимодействий и команд...

Общее представление Perplexica - это поисковая система с открытым исходным кодом, управляемая искусственным интеллектом и предназначенная для поиска ответов в глубинах Интернета. Она использует передовые алгоритмы машинного обучения, такие как поиск по сходству и методы встраивания, для оптимизации результатов поиска и предоставления четких ответов со ссылками на источники.Perple...

Подробное введение NodeRAG - это система с открытым исходным кодом Retrieval Augmented Generation (RAG), размещенная на GitHub и разработанная Terry-Xu-666. Она оптимизирует поиск и генерацию информации с помощью гетерогенных графовых структур, значительно повышая точность поиска и контекстную релевантность.Node...

Общее представление MyCoder - это проект с открытым исходным кодом, разработанный командой drivecore и размещенный на GitHub, целью которого является предоставление разработчикам интеллектуальной помощи в программировании через интерфейс командной строки. В его основе лежит разработанная Клодом АП Anthropic...

Общее представление Yutu - это мощный инструмент командной строки с открытым исходным кодом, предназначенный для пользователей YouTube, размещенный на GitHub и разработанный командой eat-pray-ai. Он работает через терминал для достижения YouTube видео, плейлисты, частота...

Общее введение realtime-transcription-fastrtc - это проект с открытым исходным кодом, ориентированный на преобразование речи в текст в реальном времени. Он использует технологию FastRTC для обработки аудиопотоков с низкой задержкой, в сочетании с локальной моделью Whisper для достижения эффективного ...

Общее представление LlamaEdge - это проект с открытым исходным кодом, разработанный для упрощения процесса запуска и тонкой настройки больших языковых моделей (LLM) на локальных или пограничных устройствах. Проект поддерживает семейство моделей Llama2 и предоставляет API-сервисы, совместимые с OpenAI, которые позволяют пользователям легко создавать и запускать...

Всеобъемлющее введение TxAgent - это инструмент искусственного интеллекта с открытым исходным кодом, разработанный группой медицинского и научного искусственного интеллекта Гарвардского университета (MIMS) для помощи врачам в анализе лекарственных взаимодействий и разработке персонализированных планов лечения. Он объединяет ситуации, связанные с конкретным пациентом, с помощью многоступенчатых рассуждений и поиска биомедицинских знаний в режиме реального времени...

Всеобъемлющее введение UltraRAG - это системное решение RAG (Retrieval Augmented Generation), совместно предложенное группой THUNLP из Университета Цинхуа, группой NEUIR из Северо-Восточного университета, компанией Modelbest.Inc и командой 9#AISoft. Фреймворк основан на гибком развертывании и модульном построении...

Общее представление HyperChat - это чат-клиент с открытым исходным кодом, разработанный BigSweetPotatoStudio и размещенный на GitHub, предназначенный для обеспечения всестороннего обзора языковой модели BigSweetPotatoStudio путем интеграции API из нескольких больших языковых моделей (LLM), таких как OpenAI, Cla...

Общее представление Moshi Chat - это сквозной голосовой помощник с искусственным интеллектом в реальном времени от Kyutai, французской некоммерческой лаборатории искусственного интеллекта. Он не только слушает в режиме реального времени, но и участвует в естественных разговорах и поддерживает мультимодальное взаимодействие, включая возможность видеть, слышать и говорить.Moshi Ch...

Общее представление Fast-Agent - это инструмент с открытым исходным кодом, поддерживаемый командой evalstate на GitHub и предназначенный для того, чтобы помочь разработчикам быстро определять, тестировать и создавать многоинтеллектуальные рабочие процессы. Он основан на простом декларативном синтаксисе и поддерживает использование MCP (Mode...

Общее представление Flock - это платформа с открытым исходным кодом для рабочих процессов, размещенная на GitHub и разработанная командой Onelevenvy. Она основана на технологиях LangChain и LangGraph и ориентирована на то, чтобы помочь пользователям быстро создавать чат-машины...

Общие сведения Введение OASIS (Open Agent Social Interaction Simulations) - это симулятор социальных сетей с открытым исходным кодом, способный моделировать поведение до миллиона пользователей. Платформа объединяет крупномасштабную языковую модель с основанной на правилах...

Общее представление Fragments by E2B - это проект с открытым исходным кодом, который предоставляет шаблон на основе Next.js для создания приложений, полностью созданных искусственным интеллектом. Разработанный E2B, проект направлен на упрощение и ускорение процесса разработки приложений для искусственного интеллекта. Он объединяет в себе множество современных...

Общее представление RoomGPT - это проект с открытым исходным кодом, разработанный пользователем GitHub - Nutlope, который позволяет пользователям загружать фотографии комнат и генерировать их переработанные версии с помощью технологии искусственного интеллекта. Цель проекта - предоставить пользователям доступ к профессиональному дизайну интерьера без дорогостоящих услуг дизайнера...

Всеобъемлющее введение CogAgent - это визуальная языковая модель с открытым исходным кодом, разработанная исследовательской группой Tsinghua University Data Mining Research Group (THUDM) и предназначенная для автоматизации работы графического интерфейса пользователя (GUI) на разных платформах. Модель основана на CogVLM (GLM-4V-9B) и поддерживает двуязычный китайский и английский...

Общие Введение Gemini Playground является открытым исходным кодом проект, разработанный, чтобы помочь пользователям быстро развернуть мультимодальный диалог сайт . Проект разработан техническим ползания креветки, поддержка использования Gemini API ключ в 10 секунд, чтобы завершить развертывание. Является ли пользователь ...

Общее представление Sana - это эффективный фреймворк для создания изображений высокого разрешения, разработанный NVIDIA Labs, способный генерировать изображения с разрешением до 4096 × 4096 за считанные секунды. Sana использует линейное диффузионное преобразование и технологию самокодирования с глубоким сжатием, чтобы значительно...

Comprehensive Introduction Retrieval based Voice Conversion WebUI - это простой в использовании фреймворк для преобразования голоса на основе VITS, который позволяет преобразовывать голос между любыми дикторами, включая обложки песен и изменения голоса в реальном времени. Он имеет низкую ...

Общее представление openapi-mcp-server - это инструмент с открытым исходным кодом, предназначенный для преобразования API, совместимых с OpenAPI v3.1, в ресурсы, пригодные для использования в AI. Он поддерживается janwilmake и основан на модели Contex...

Общее представление DCT-Net - это проект с открытым исходным кодом, разработанный Академией DAMO и Институтом компьютерных технологий Ван Сюань Пекинского университета и направленный на стилизованное под аниме преобразование изображений. В проекте используются методы глубокого обучения через Domain-Calibrated Translation (Domain-Calibrat...

Всеобъемлющее введение ColorFlow - это инструмент для автоокрашивания последовательностей изображений, разработанный командой Tencent ARC для решения проблемы автоокрашивания черно-белых последовательностей изображений. Инструмент использует конвейер затенения с расширенным поиском для точной генерации цветов различных элементов через пул эталонных изображений, включая цвета волос персонажей и сервисные...

Общее описание Модуль для исправления некорректных JSON-файлов, особенно для разбора некорректных JSON-данных, выводимых большими языковыми моделями (LLM). Модуль исправляет распространенные синтаксические ошибки JSON, такие как отсутствие кавычек, неправильные запятые, несведенные символы и неполные ключи-значения...

Общее представление X-Kit - это инструмент с открытым исходным кодом, предназначенный для сбора и анализа данных и твитов пользователей X (ранее Twitter). Разработанный пользователем GitHub xiaoxiunique, инструмент призван помочь пользователям автоматизировать процесс получения основной информации и твитов о данном пользователе X и...

Общее представление LlamaCoder - это инструмент генерации кода с открытым исходным кодом, основанный на Llama 3.1 и Together AI. Он может генерировать небольшие приложения с простыми подсказками, подходящими для разработчиков, чтобы быстро реализовать идеи.LlamaCoder обеспечивает...

Общее представление Hibiki - это высокоточная модель перевода речи в реальном времени, разработанная компанией Kyutai Labs. В отличие от традиционных офлайн-переводчиков, Hibiki может генерировать естественный речевой перевод на целевой язык в режиме реального времени, пока пользователь говорит, а также предоставлять текстовый перевод. Модель...

Всеобъемлющее введение Flow - это легкий движок задач, предназначенный для создания агентов искусственного интеллекта с акцентом на простоту и гибкость. В отличие от традиционных рабочих процессов, основанных на узлах и границах, Flow использует динамическую систему очередей задач, которая поддерживает параллельное выполнение, динамическое планирование и интеллектуальное управление зависимостями. Его основной концепцией является ...

Общее представление AutoAgent - это фреймворк ИИ-интеллекта с открытым исходным кодом, разработанный Лабораторией интеллекта данных Гонконгского университета (HKUDS) и размещенный на GitHub. Он позволяет пользователям быстро создавать и внедрять индивидуальные ИИ-интеллекты, описывая свои требования на чисто естественном языке, без какой-либо базы программирования...

Общее представление LogoCreator - это генератор логотипов с открытым исходным кодом, основанный на модели Together AI и Flux, ориентированный на предоставление быстрых и профессиональных услуг по разработке логотипов для предприятий и частных лиц. Проект разрабатывается и распространяется разработчиком Nutlope на Git...

Всеобъемлющее введение AI2SRT - это проект с открытым исходным кодом, который использует большую модель GeminiAI для генерации коротких видеороликов и резюме для длинных видео одним щелчком мыши, поддерживая при этом субтитры с аудио- и видеотранскрипцией. Цель проекта - упростить процесс создания видеоконтента и предоставить эффективные функции генерации и перевода субтитров. Пользователи могут передавать...

Общее представление Free-Search - это API-инструмент с открытым исходным кодом, разработанный Ханзлой Джаваидом и размещенный на GitHub. Его основной функцией является предоставление результатов поиска Google в реальном времени через пользовательскую поисковую систему и просмотр веб-контента для возврата результатов...

Всеобъемлющее введение LazyLLM - это инструмент с открытым исходным кодом, разработанный командой LazyAGI и направленный на упрощение процесса разработки приложений с большими моделями мультиинтеллекта. Он помогает разработчикам быстро создавать сложные приложения ИИ благодаря развертыванию одним щелчком мыши и легким механизмам шлюзов, избавляя от утомительной инженерной настройки...

Общее представление Bilingual Book Maker - это проект с открытым исходным кодом, призванный помочь пользователям создавать многоязычные версии электронных книг с помощью технологии искусственного интеллекта. Инструмент в основном использует ChatGPT для перевода и поддерживает множество форматов файлов, включая epub, txt и srt...

Общие сведения Введение E2B Open Computer Use - это проект с открытым исходным кодом, целью которого является обеспечение безопасного облачного использования компьютеров на базе Linux с помощью E2B Desktop Sandbox.E2B Sandbox предоставляет графическую среду рабочего стола, которую пользователи могут подключить к любому большому...

Общее введение Служба Copilot Backend Agent Service - это проект с открытым исходным кодом, предназначенный для управления сервером плагинов GitHub Copilot с использованием других моделей FIM, таких как DeepSeek, при поддержке нескольких людей, имеющих общие официальные аккаунты. Сервис поддерживает множество IDE, включая V...

Всеобъемлющее введение MedRAX - это современный искусственный интеллект, предназначенный для анализа рентгенограмм грудной клетки (РГК). Он объединяет современные инструменты для анализа рентгенограмм и мультимодальные большие языковые модели для динамической обработки сложных медицинских запросов без дополнительного обучения.MedRAX, благодаря своей модульной конструкции...

Общее представление ModelBest - это компания, специализирующаяся на разработке легких и высокопроизводительных больших моделей, которая занимается применением передовых технологий искусственного интеллекта в бытовой электронике и всех видах конечных устройств в повседневной жизни. Серия конечных моделей MiniCPM с экстремальной арифметической мощностью и эффективностью использования памяти...

Всеобъемлющее введение VideoRAG - это генеративный фреймворк с улучшенным поиском, предназначенный для обработки и понимания очень длинных контекстных видео. Инструмент сочетает в себе графовую текстовую базу знаний с иерархическим мультимодальным контекстным кодированием для эффективной обработки на одном графическом процессоре NVIDIA RTX 3090...

Общее введение Cursor Talk to Figma MCP - это проект с открытым исходным кодом, который соединяет инструмент программирования искусственного интеллекта Cursor с программным обеспечением для проектирования Figm...

Общее введение Auto-Audio-Book - это проект с открытым исходным кодом, размещенный на GitHub. Он автоматически перебирает содержание романов с веб-сайтов и преобразует их в аудиокниги с несколькими голосами персонажей. Разработчик zqq-nuli использует Python 3.1...

Общее представление One Hub - это система управления и распространения интерфейсов OpenAI, основанная на вторичном развитии One API. Он был разработан компанией MartialBE для обеспечения более широкой поддержки моделей и улучшения статистических возможностей.One Hub имеет...

Общее введение AIDE (AI-assisted Development Extension) - это мощное расширение для разработки с помощью искусственного интеллекта для VSCode, ориентированное на предоставление уникальной и полезной помощи в программировании с помощью искусственного интеллекта. Оно отличается от GitHu...

Общее представление Parler-TTS - это библиотека моделей преобразования текста в речь (TTS) с открытым исходным кодом, разработанная компанией Hugging Face и предназначенная для генерации высококачественной, естественно звучащей речи. Модель способна генерировать речь на основе входного текста с определенным стилем диктора (например, пол, высота тона, манера речи...

Всеобъемлющее введение Tarsier - это семейство моделей видеоязыка с открытым исходным кодом, разработанное компанией ByteDance для создания высококачественных видеоописаний. Оно состоит из простой структуры: CLIP-ViT обрабатывает видеокадры в сочетании с большой языковой моделью (LLM) для анализа...

Общее представление Gemini Cursor - это настольный интеллектуальный помощник, основанный на модели Gemini 2.0 Flash (экспериментальной) от Google. Он обеспечивает визуальное, слуховое и голосовое взаимодействие через мультимодальный API, предоставляя возможность использования в реальном времени с низкой задержкой...

Всеобъемлющее введение Ultravox - это инновационная мультимодальная модель большого языка (LLM), предназначенная для обработки речи в реальном времени. В отличие от традиционных систем распознавания речи, Ultravox устраняет необходимость в отдельном этапе распознавания аудиоречи (ASR) и способен напрямую преобразовывать аудио в высокоразмерное пространство в...

Общие сведения Диффузоры Image Outpaint - это мощный инструмент для расширения изображений AI, созданный участником сообщества Hugging Face fffiloni. Инструмент использует передовые методы моделирования диффузии для приведения изображений в...

Всеобъемлющее представление Datalab предлагает ряд продвинутых моделей искусственного интеллекта, ориентированных на OCR, анализ макетов, преобразование PDF в Markdown и многое другое. Эти модели не только высокопроизводительны, но и просты в использовании и имеют открытый исходный код. Модели Marker на платформе могут быстро и точно...

Общее описание Quadratic - это интеллектуальный инструмент электронных таблиц с открытым исходным кодом, который сочетает в себе функции искусственного интеллекта, кода и подключения к данным, чтобы предоставить пользователям мощные возможности обработки и анализа данных. Благодаря поддержке таких языков программирования, как Python, SQL и Rust, Quadratic...

Общее описание Fullmoon - это приложение, разработанное для устройств на базе iOS и предназначенное для приватного общения с носителями большого количества языков. Приложение оптимизировано для Apple Silicon и поддерживается на iPhone, iPad и Mac. Пользователи чата...

Общее введение DH_live - это проект цифрового человека в реальном времени, основанный на обучении по принципу "образец меньше", цель которого - предоставить пользователям плавные и интерактивные прямые трансляции. Проект поддерживает видеокарты NVIDIA 30 и 40 серий и способен работать в режиме реального времени со скоростью 25+ кадров в секунду. Пользователи могут...

Общее представление MMAudio - это проект с открытым исходным кодом, направленный на создание высококачественного синхронизированного аудио с помощью совместного мультимодального обучения. Разработанный Хо Кей Ченгом и др. в Китайском университете Гонконга, основная функция проекта - генерировать синхронизированное аудио на основе видео и/или текстового ввода.MM...

Всеобъемлющее представление BrushEdit - это универсальный инструмент для ремонта и редактирования изображений, разработанный Tencent ARC Labs. Инструмент основан на новейших технологиях искусственного интеллекта и способен автоматически определять и устранять дефекты на изображениях, поддерживая при этом интерактивное редактирование пользователями.BrushEdit сочетает в себе различные...

Общее представление DeepRant - это инструмент перевода с открытым исходным кодом для геймеров, предназначенный для решения проблемы языковых барьеров на международных серверах. Он позволяет мгновенно переводить внутриигровой текст с помощью сочетаний клавиш, поддерживает перевод нескольких языков друг на друга и позволяет игрокам быстро понимать и отвечать на сообщения в чате, не выходя из игры...

Общее представление Amurex - это помощник по организации встреч с открытым исходным кодом, разработанный компанией The Personal AI Company и предназначенный для повышения эффективности встреч с помощью интеллектуальных функций. Amurex способен давать советы в режиме реального времени, генерировать интеллектуальные резюме, записывать содержание встреч и автоматически отправлять последующие...

Общее представление Eko - это JavaScript-фреймворк производственного уровня, предназначенный для создания эффективных рабочих процессов интеллектуальных агентов с помощью описаний на естественном языке. Он предназначен для того, чтобы разработчики могли автоматизировать повседневные задачи с помощью технологий искусственного интеллекта без глубокого программирования.Eko предоставляет уни...

Всеобъемлющее введение Proxy Lite - это легкий инструмент веб-автоматизации с открытым исходным кодом, разработанный компанией Convergence AI как мини-версия Proxy с открытым весовым дизайном. Он основан на 3B-параметрической модели визуального языка (VLM) и способен самостоятельно...

Общее представление Weebo - это голосовой чатбот с открытым исходным кодом, использующий Whisper Small для распознавания речи, Llama 3.2 для генерации естественного языка и Kokoro-82M для синтеза речи. Проект был разработан Аманом...

Введение CogVLM2 - это мультимодальная модель с открытым исходным кодом, разработанная исследовательской группой Tsinghua University Data Mining Research Group (THUDM), основанная на архитектуре Llama3-8B и стремящаяся обеспечить производительность, сравнимую или даже превосходящую GPT-4V. Модель поддерживает понимание изображений, многораундовый диалог и визуальный...

Общее представление SegAnyMo - это проект с открытым исходным кодом, разработанный группой исследователей из Калифорнийского университета в Беркли и Пекинского университета, включая таких членов, как Нан Хуанг. Этот инструмент ориентирован на обработку видео и может автоматически идентифицировать и сегментировать произвольные движущиеся объекты на видео, такие как люди, животные или...

Общее введение Awesome LLM Apps - это репозиторий на GitHub, созданный Шубхамом Сабу (Shubham Saboo), посвященный сбору и демонстрации широкого спектра замечательных приложений для LLM (Large Language Modelling). Репозиторий содержит приложения, использующие OpenAI, An...

Всеобъемлющее введение Ape Mouth Calculator Reverse Notes - это проект с открытым исходным кодом, целью которого является документирование и обмен процессом и методами обратной разработки приложения Ape Mouth Calculator. Проект содержит разнообразные инструменты и методы обратного проектирования для использования инструкций, таких как Frida, dexdump и т.д., чтобы помочь пользователям понять и взломать арифметический калькулятор маленькой обезьяны...

Всеобъемлющее введение mcp-ui является открытым исходным кодом проект, созданный разработчиком machaojin1917939763, основанный на модели контекст протокол (MCP) протокол для построения, является поддержка веб-и настольных сред смарт ...

Общее представление YuE - это базовая модель генерации полных песен с открытым исходным кодом, которая фокусируется на преобразовании текстов в полные песни. В отличие от других моделей, которые генерируют только короткие фрагменты невокальной музыки, YuE способна генерировать полные песни с ведущим и бэк-вокалом длиной до нескольких минут. Модель рассматривает генерацию музыки в...

Всеобъемлющее введение R1-V - это проект с открытым исходным кодом, целью которого является достижение прорыва в визуальном моделировании языка (VLM) с помощью недорогого обучения с подкреплением (RL). Проект использует проверяемые механизмы вознаграждения для мотивации ВЛМ к обучению общим способностям счета. Удивительно, но R1-V's 2B ...

Общее представление Ruyi-Models - это проект с открытым исходным кодом, предназначенный для генерации высококачественного видео из изображений. Разработанный командой IamCreateAI, проект поддерживает генерацию кинематографического видео с разрешением 768, 24 кадра в секунду, 120 кадров за 5 секунд...

Общее представление RolmOCR - это инструмент оптического распознавания символов (OCR) с открытым исходным кодом, разработанный командой Reducto AI и основанный на модели визуального языка Qwen2.5-VL-7B. Он может извлекать текст из изображений и PDF-файлов быстрее, чем аналогичные инструменты...

Общее введение AgentGPT - это проект с открытым исходным кодом, разработанный командой Reworkd и размещенный на GitHub, предназначенный для того, чтобы позволить пользователям автономно создавать, настраивать и развертывать ИИ-интеллекты через браузер. Пользователи просто задают цель, и AgentGPT может...

Общие сведения Введение OWL (Optimized Workforce Learning) - это фреймворк с открытым исходным кодом, разработанный командой CAMEL-AI и направленный на оптимизацию совместной работы нескольких интеллектов для автоматизации реальных задач. На основе фреймворка CAMEL-AI ...

Всеобъемлющее введение Easegen - это платформа для создания цифровых человеческих курсов с открытым исходным кодом, которая направлена на повышение эффективности производства и управления учебным контентом с помощью технологии искусственного интеллекта. Платформа предоставляет универсальное решение, начиная с производства курсов, управления видео и заканчивая интеллектуальными вопросами, что позволяет пользователям создавать цифровые видеокурсы с человеческими объяснениями...

Общее представление FlashMLA - это эффективное ядро декодирования MLA (Multi-head Latent Attention), разработанное DeepSeek AI и оптимизированное для графических процессоров архитектуры NVIDIA Hopper...

Всеобъемлющее введение Ant Design X - это инструментарий с открытым исходным кодом от Ant Group, предназначенный для того, чтобы помочь разработчикам быстро создавать диалоговые интерфейсы, управляемые искусственным интеллектом. Он предоставляет богатый набор компонентов и шаблонов, поддерживает интеграцию моделей, совместимую со стандартами OpenAI, и подходит для различных приложений, таких как интеллектуальное обслуживание клиентов, ИИ-помощники и другие...

Общее введение OpenManus-RL - это проект с открытым исходным кодом, разработанный UIUC-Ulab совместно с командой OpenManus сообщества MetaGPT и размещенный на GitHub. Проект улучшает крупномасштабное моделирование языка (LLM) с помощью методов обучения с подкреплением (RL)...

Общее представление Orate - это набор инструментов ИИ, ориентированный на генерацию и транскрипцию речи. Он предоставляет унифицированный API, который легко интегрируется с ведущими поставщиками ИИ, такими как OpenAI, ElevenLabs и AssemblyAI, чтобы помочь пользователям создавать принудительные...

Всеобъемлющее введение "Vocabulary Book by DeepSeek" - это проект с открытым исходным кодом, разработанный на основе большой модели DeepSeek и призванный помочь изучающим английский язык эффективно освоить лексику College English Level 4 (CET-4). Проект размещен на GitHub...

Общее представление TripoSG - это проект с открытым исходным кодом, разработанный исследовательской группой VAST AI для генерации высококачественных 3D-моделей из одного изображения. В проекте используется технология крупномасштабных выпрямительно-поточных преобразователей в сочетании с гибридным контролируемым обучением и высококачественными наборами данных, что позволяет генерируемым 3D-моделям иметь...

Общее представление Infinity - это революционный фреймворк для генерации изображений высокого разрешения, разработанный командой FoundationVision. Проект преодолевает ограничения традиционных моделей генерации изображений благодаря инновационному подходу к визуальному авторегрессионному моделированию на уровне битов.Основные особенности Infinity...

Общие сведения Введение DeepSeek R1 Overthinker - это инструмент, предназначенный для повышения глубины мышления моделей DeepSeek R1. Удлиняя процесс рассуждений модели, инструмент позволяет модели мыслить более глубоко, тем самым повышая качество ее ответов...

Введение MiniRAG - это очень простой фреймворк Retrieval Augmented Generation (RAG), цель которого - обеспечить хорошую производительность RAG даже для небольших моделей за счет гетерогенного индексирования графов и облегченного поиска с использованием топологии. Он разработан Лабораторией науки о данных Гонконгского университета (HKUDS) для решения ...

Общее представление MarkItDown - это инструмент на языке Python, разработанный компанией Microsoft и предназначенный для преобразования различных файлов и офисных документов в формат Markdown. Инструмент поддерживает широкий спектр типов файлов, включая PDF, PowerPoint, Word, Excel, диаграммы...

Общее представление RapBank - это набор данных и инструментов, предназначенных для создания текстов рэпа. Проект был создан NZqian, чтобы предоставить исследователям и разработчикам высококачественные данные о рэп-лирике путем сбора и обработки рэп-песен с YouTube...