蚝油菜花
蚝油菜花_个人页
蚝油菜花
文章
316
问答
1
视频
0
个人介绍
微信公众号：@蚝油菜花｜如果你也关注大模型发展现状，或对大模型应用开发非常感兴趣，很期待你的关注和私信，我会不定期分享自己的想法和开源实例。
擅长的技术
暂无更多信息
2025年01月
-
01.22 00:20:59
发表了文章
2025-01-22 00:20:59
OmniThink：浙大联合阿里通义开源 AI 写作框架，基于深度思考扩展知识边界，实时展示思考过程
OmniThink 是浙江大学与阿里通义实验室联合开发的机器写作框架，通过模拟人类迭代扩展和反思过程，生成高质量长篇文章，显著提升知识密度和内容深度。
-
01.22 00:20:39发表了文章
2025-01-22 00:20:39
DeepSeek 开源 R1 系列推理模型，性能对标 OpenAI o1，基于纯强化学习完成自我进化，无需监督微调
DeepSeek R1-Zero 是一款基于纯强化学习的开源推理模型，无需监督微调数据，支持多任务泛化与自我进化，适用于数学推理、代码生成等场景。
-
01.22 00:20:15发表了文章
2025-01-22 00:20:15
VideoWorld：字节开源自回归视频生成模型，支持输入视频指导AI生成视频！弥补文本生成视频的短板
VideoWorld 是由字节跳动、北京交通大学和中国科学技术大学联合推出的自回归视频生成模型，能够从未标注的视频数据中学习复杂知识，支持长期推理和规划任务。
-
01.22 00:19:53发表了文章
2025-01-22 00:19:53
Roop-Unleashed：开源 AI 换脸神器！支持批量、VR、直播实时换脸
Roop-Unleashed 是一款基于 Roop 的开源 AI 换脸工具，支持批量处理、VR 换脸和直播换脸，提供简单易用的图形界面，适用于多种场景。
-
01.22 00:19:22发表了文章
2025-01-22 00:19:22
k1.5：性能超越 GPT-4 和 Claude 3.5！Kimi 新一代多模态推理模型
Kimi k1.5 是月之暗面推出的多模态思考模型，具备强大的推理和多模态处理能力，支持长链思维与短链思维，性能超越GPT-4和Claude 3.5。
-
01.22 00:19:01发表了文章
2025-01-22 00:19:01
X-Dyna：一张图片就能实现动画化！字节联合斯坦福推出动画生成框架
X-Dyna 是由字节跳动联合斯坦福等高校推出的动画生成框架，基于扩散模型实现单张图像动画化，支持面部表情和身体动作控制，生成高质量动态细节。
-
01.21 17:19:42发表了文章
2025-01-21 17:19:42
Sky-T1：开源版"OpenAI o1-preview"，训练成本竟不到450美元
Sky-T1是NovaSky发布的开源推理AI模型，支持低成本训练，性能优异，适用于数学问题解决、编程评估和科学研究。
-
01.21 17:19:19发表了文章
2025-01-21 17:19:19
百聆：集成Deepseek API及语音技术的开源AI语音对话助手，实时交互延迟低至800ms
百聆是一款开源的AI语音对话助手，结合ASR、VAD、LLM和TTS技术，提供低延迟、高质量的语音对话体验，适用于边缘设备和低资源环境。
-
01.21 17:18:59发表了文章
2025-01-21 17:18:59
GLM-Realtime：智谱推出多模态交互AI模型，融入清唱功能，支持视频和语音交互
GLM-Realtime 是智谱推出的端到端多模态模型，具备低延迟的视频理解与语音交互能力，支持清唱功能、2分钟内容记忆及灵活调用外部工具，适用于多种智能场景。
-
01.21 17:18:39发表了文章
2025-01-21 17:18:39
PSHuman：开源单图像3D人像重建技术，一张照片就能生成3D人像模型
PSHuman 是一种先进的单图像3D人像重建技术，仅需一张照片即可生成高度逼真的3D模型，支持面部细节、全身姿态和纹理恢复，适用于影视、游戏、虚拟现实等多个领域。
-
01.21 17:18:17发表了文章
2025-01-21 17:18:17
moonshot-v1-vision-preview：月之暗面Kimi推出多模态视觉理解模型，支持图像识别、OCR文字识别、数据提取
moonshot-v1-vision-preview 是月之暗面推出的多模态图片理解模型，具备强大的图像识别、OCR文字识别和数据提取能力，支持API调用，适用于多种应用场景。
-
01.21 17:17:59发表了文章
2025-01-21 17:17:59
CogVideoX-Flash：智谱首个免费AI视频生成模型，支持文生视频、图生视频，分辨率最高可达4K
CogVideoX-Flash 是智谱推出的首个免费AI视频生成模型，支持文生视频、图生视频，最高支持4K分辨率，广泛应用于内容创作、教育、广告等领域。
-
01.21 17:17:42发表了文章
2025-01-21 17:17:42
Zerox：AI驱动的万能OCR工具，精准识别复杂布局并输出Markdown格式，支持PDF、DOCX、图片等多种文件格式
Zerox 是一款开源的本地化高精度OCR工具，基于GPT-4o-mini模型，支持PDF、DOCX、图片等多种格式文件，能够零样本识别复杂布局文档，输出Markdown格式结果。
-
01.21 17:17:22发表了文章
2025-01-21 17:17:22
Titans：谷歌新型神经记忆架构，突破 Transformer 长序列处理的瓶颈
Titans 是谷歌推出的新型神经网络架构，通过神经长期记忆模块突破 Transformer 在处理长序列数据时的瓶颈，支持并行计算，显著提升训练效率。
-
01.21 17:17:02发表了文章
2025-01-21 17:17:02
Kokoro-TTS：超轻量级文本转语音模型，支持生成多种语言和多种语音风格
Kokoro-TTS 是一款轻量级文本转语音模型，支持多语言和多语音风格生成，具备实时处理能力和低资源占用，适用于多种应用场景。
-
01.21 17:16:44发表了文章
2025-01-21 17:16:44
CogView-3-Flash：智谱首个免费AI图像生成模型，支持多种分辨率，快速生成创意图像
CogView-3-Flash 是智谱推出的首个免费AI图像生成模型，支持多种分辨率，快速生成高质量图像，广泛应用于广告、设计、艺术创作等领域。
-
01.19 02:45:59发表了文章
2025-01-19 02:45:59
Weebo：支持多语言和实时语音交流的开源 AI 聊天机器人，回复具备语调、情感的语音
Weebo 是一款基于 Whisper Small、Llama 3.2 和 Kokoro-82M 技术的 AI 语音聊天机器人，支持实时语音交互和多语言对话，适用于个人助理、娱乐互动和教育辅导等多种场景。
-
01.19 02:45:30发表了文章
2025-01-19 02:45:30
OmAgent：轻松构建在终端设备上运行的 AI 应用，赋能手机、穿戴设备、摄像头等多种设备
OmAgent 是 Om AI 与浙江大学联合开源的多模态语言代理框架，支持多设备连接、高效模型集成，助力开发者快速构建复杂的多模态代理应用。
-
01.19 02:45:10发表了文章
2025-01-19 02:45:10
AutoMouser：AI Chrome扩展程序，实时跟踪用户的浏览器操作，自动生成自动化操作脚本
AutoMouser是一款Chrome扩展程序，能够实时跟踪用户交互行为，并基于OpenAI的GPT模型自动生成Selenium测试代码，简化自动化测试流程。
-
01.19 02:44:43发表了文章
2025-01-19 02:44:43
Mini-InternVL：轻量级多模态大模型，4B 参数量媲美 InternVL2-76B
Mini-InternVL 是上海AI Lab联合清华等机构推出的轻量级多模态大模型，支持高效推理、跨领域适应和动态分辨率输入，适用于多种场景。
-
01.19 02:44:10发表了文章
2025-01-19 02:44:10
MangaNinja：开源线稿着色工具，自动匹配图像风格，一键快速上色
MangaNinja 是一款基于参考图像的线稿着色工具，通过创新的补丁重排模块和点驱动控制方案，实现精准颜色匹配和复杂场景处理，适用于漫画、插画和数字艺术创作。
-
01.19 02:43:41发表了文章
2025-01-19 02:43:41
ParGo：字节与中山大学联合推出的多模态大模型连接器，高效对齐视觉与语言模态
ParGo 是字节与中山大学联合推出的多模态大模型连接器，通过全局与局部视角联合，提升视觉与语言模态的对齐效果，支持高效连接、细节感知与自监督学习。
-
01.19 02:43:05发表了文章
2025-01-19 02:43:05
SHMT：体验 AI 虚拟化妆！阿里巴巴达摩院推出自监督化妆转移技术
SHMT 是阿里达摩院与武汉理工等机构联合研发的自监督化妆转移技术，支持高效妆容迁移与动态对齐，适用于图像处理、虚拟试妆等多个领域。
-
01.19 02:42:45发表了文章
2025-01-19 02:42:45
SmartEraser：中科大推出图像对象移除技术，轻松移除照片中的不想要元素，保留完美瞬间
SmartEraser 是由中科大与微软亚洲研究院联合开发的图像编辑技术，能够精准移除图像中的指定对象，同时保留周围环境的细节和结构，适用于复杂场景的图像处理。
-
01.19 02:42:17发表了文章
2025-01-19 02:42:17
Uni-AdaFocus：清华大学开源高效视频理解框架，根据视频内容动态分配计算资源
Uni-AdaFocus 是清华大学推出的高效视频理解框架，通过自适应聚焦机制动态调整计算资源分配，显著提升视频处理效率。
-
01.17 01:32:01发表了文章
2025-01-17 01:32:01
每个人都可以成为虚拟主播，一键创建属于你的虚拟形象，RAIN 为你实时生成逼真动画角色
RAIN 是一款创新的实时动画生成工具，支持在消费级硬件上实现无限视频流的实时动画化，适用于直播、虚拟角色生成等场景。
-
01.17 01:31:43发表了文章
2025-01-17 01:31:43
Pipecat实战：5步快速构建语音与AI整合项目，创建你的第一个多模态语音 AI 助手
Pipecat 是一个开源的 Python 框架，专注于构建语音和多模态对话代理，支持与多种 AI 服务集成，提供实时处理能力，适用于语音助手、企业服务等场景。
-
01.17 01:31:21发表了文章
2025-01-17 01:31:21
24.7K Star！用 KHOJ 打造你的AI第二大脑，自动整合和更新多源知识，轻松构建个人知识库
KHOJ 是一款开源的个人化 AI 助手，支持多源知识整合、语义搜索、个性化图像生成等功能，帮助用户高效管理知识库。
-
01.17 01:31:00发表了文章
2025-01-17 01:31:00
三行代码实现实时语音转文本，支持自动断句和语音唤醒，用 RealtimeSTT 轻松创建高效语音 AI 助手
RealtimeSTT 是一款开源的实时语音转文本库，支持低延迟应用，具备语音活动检测、唤醒词激活等功能，适用于语音助手、实时字幕等场景。
-
01.16 00:23:21发表了文章
2025-01-16 00:23:21
FlowiseAI：34K Star！集成多种模型和100+组件的 LLM 应用低代码开发平台，拖拽组件轻松构建程序
FlowiseAI 是一款开源的低代码工具，通过拖拽可视化组件，用户可以快速构建自定义的 LLM 应用程序，支持多模型集成和记忆功能。
-
01.16 00:22:53发表了文章
2025-01-16 00:22:53
LlamaV-o1：全能多模态视觉推理模型，推理得分超越其他开源模型，推理速度翻5倍
LlamaV-o1 是一款多模态视觉推理模型，通过逐步推理学习方法解决复杂任务，支持透明推理过程，适用于医疗、金融等领域。
-
01.16 00:22:32发表了文章
2025-01-16 00:22:32
MiniCPM-o 2.6：面壁智能开源多模态大模型，仅8B参数量就能媲美GPT-4o，支持实时交互，在ipad等终端设备上运行
MiniCPM-o 2.6 是面壁智能开源的多模态大模型，支持视觉、语音和多模态直播，性能媲美GPT-4o，能够在端侧设备上高效运行。
-
01.15 00:14:29发表了文章
2025-01-15 00:14:29
TimesFM 2.0：用 AI 预测流量、销量和金融市场等走势！谷歌开源超越统计方法的预测模型
TimesFM 2.0 是谷歌研究团队开源的时间序列预测模型，支持长达2048个时间点的单变量预测，具备零样本学习能力，适用于零售、金融、交通等多个领域。
-
01.15 00:14:01发表了文章
2025-01-15 00:14:01
NVIDIA-Ingest：英伟达开源智能文档提取及结构化工具，支持 GPU 加速和并行处理
NVIDIA-Ingest 是英伟达开源的智能文档提取工具，支持 PDF、Word、PPT 等多种格式，提供并行处理和 GPU 加速，适用于企业内容管理和生成式应用。
-
01.15 00:13:35发表了文章
2025-01-15 00:13:35
Riona-AI-Agent：自媒体 AI 代理！自动点赞、评论、个性化内容生成和发布等交互任务
Riona-AI-Agent 是一款基于 Node.js 和 TypeScript 的 AI 自动化工具，支持 Instagram、Twitter 等平台的自动化交互，生成高质量内容，提升社交媒体管理效率。
-
01.15 00:13:03发表了文章
2025-01-15 00:13:03
MiniRAG：迷你 RAG 系统加成小型语言模型，爆发出与大型语言模型相当的性能
MiniRAG 是香港大学推出的新型 RAG 系统，专为资源受限场景设计，支持高效知识检索与推理，适用于多种应用场景。
-
01.15 00:12:40发表了文章
2025-01-15 00:12:40
Emotion-LLaMA：用 AI 读懂、听懂、看懂情绪，精准捕捉文本、音频和视频中的复杂情绪
Emotion-LLaMA 是一款多模态情绪识别与推理模型，融合音频、视觉和文本输入，通过特定情绪编码器整合信息，广泛应用于人机交互、教育、心理健康等领域。
-
01.15 00:12:10发表了文章
2025-01-15 00:12:10
ViTPose：最小只有100M的身体姿态估计模型，精确识别人体关节、手、脚等关键点
ViTPose 是基于 Transformer 架构的人体姿态估计模型，能够精准定位人体关键点，支持多种规模版本，适用于运动分析、虚拟现实等场景。
-
01.15 00:11:40发表了文章
2025-01-15 00:11:40
Eko：一句话就能快速构建复杂工作流的 AI 代理开发框架！快速实现自动操作电脑和浏览器完成任务
Eko 是 Fellou AI 推出的开源 AI 代理开发框架，支持自然语言驱动，帮助开发者快速构建从简单指令到复杂工作流的智能代理。
-
01.13 22:09:04发表了文章
2025-01-13 22:09:04
Agent Laboratory：AI自动撰写论文，AMD开源自动完成科研全流程的多智能体框架
Agent Laboratory 是由 AMD 和约翰·霍普金斯大学联合推出的自主科研框架，基于大型语言模型，能够加速科学发现、降低成本并提高研究质量。
-
01.13 22:08:44发表了文章
2025-01-13 22:08:44
SVFR：全能视频人脸修复框架，支持提升清晰度、色彩填充和缺失补全等图像修复任务
SVFR 是一个通用视频人脸修复框架，支持人脸修复、着色和修复任务，基于 Stable Video Diffusion 技术，提供高质量的视频修复效果。
-
01.13 22:08:25发表了文章
2025-01-13 22:08:25
PPTAgent：中科院开源AI工具，自动将文档转化为高质量PPT
PPTAgent 是中科院推出的自动生成演示文稿框架，基于两阶段编辑方法，支持智能分析、大纲生成、幻灯片生成与评估，适用于教育、企业培训等多种场景。
-
01.11 23:06:11发表了文章
2025-01-11 23:06:11
通义万相2.1：VBench榜单荣登第一！阿里通义万相最新视频生成模型，支持生成1080P长视频
万相2.1是阿里通义万相最新推出的视频生成模型，支持1080P无限长视频生成，具备复杂动作展现、物理规律还原、艺术风格转换等功能。
-
01.11 23:05:43发表了文章
2025-01-11 23:05:43
GLM-Zero：智谱AI推出与 OpenAI-o1-Preview 旗鼓相当的深度推理模型，开放在线免费使用和API调用
GLM-Zero 是智谱AI推出的深度推理模型，专注于提升数理逻辑、代码编写和复杂问题解决能力，支持多模态输入与完整推理过程输出。
-
01.11 23:05:18发表了文章
2025-01-11 23:05:18
DeepSeek Artifacts：在线实时预览的前端 AI 编程工具，基于DeepSeek V3快速生成React App
DeepSeek Artifacts是Hugging Face推出的免费AI编程工具，基于DeepSeek V3，支持快速生成React和Tailwind CSS代码，适合快速原型开发和前端组件构建。
-
01.10 23:17:38发表了文章
2025-01-10 23:17:38
SPAR3D：一张图片就能生成3D模型，每个物体的重建时间仅需0.7秒！
SPAR3D 是由 Stability AI 和伊利诺伊大学香槟分校推出的先进单图生成3D模型方法，支持快速推理与用户交互式编辑，适用于多种3D建模场景。
-
01.10 23:17:16发表了文章
2025-01-10 23:17:16
Search-o1：人大清华联合推出动态检索推理框架，使模型能够在推理过程中动态检索外部知识
Search-o1 是中国人民大学和清华大学联合推出的创新框架，通过动态知识检索和精炼，提升大型推理模型在复杂任务中的推理能力。
-
01.09 23:50:51发表了文章
2025-01-09 23:50:51
Ingredients：无需额外训练的多ID视频生成框架，通过多张人物照片生成定制视频
Ingredients 是一款基于多ID照片与视频扩散Transformer相结合的定制视频生成框架，能够生成高质量、身份一致且内容灵活的视频。
-
01.09 23:50:28发表了文章
2025-01-09 23:50:28
MultiBooth：清华联合 Meta 推出多对象的图像生成框架，生成包含多个指定对象的图像
MultiBooth是清华大学联合Meta等机构推出的多概念图像生成方法，支持高效生成高保真度图像，适用于娱乐、广告、教育等多个领域。
-
01.09 23:50:04发表了文章
2025-01-09 23:50:04
VideoRefer：阿里达摩院开源视频对象感知与推理框架，可集成 VLLM 提升其空间和时间理解能力
VideoRefer 是浙江大学与阿里达摩学院联合推出的视频对象感知与推理技术，支持细粒度视频对象理解、复杂关系分析及多模态交互，适用于视频剪辑、教育、安防等多个领域。
-
发表了文章
2025-01-22
DeepSeek 开源 R1 系列推理模型，性能对标 OpenAI o1，基于纯强化学习完成自我进化，无需监督微调
-
发表了文章
2025-01-22
X-Dyna：一张图片就能实现动画化！字节联合斯坦福推出动画生成框架
-
发表了文章
2025-01-22
VideoWorld：字节开源自回归视频生成模型，支持输入视频指导AI生成视频！弥补文本生成视频的短板
-
发表了文章
2025-01-22
k1.5：性能超越 GPT-4 和 Claude 3.5！Kimi 新一代多模态推理模型
-
发表了文章
2025-01-22
OmniThink：浙大联合阿里通义开源 AI 写作框架，基于深度思考扩展知识边界，实时展示思考过程
-
发表了文章
2025-01-22
Roop-Unleashed：开源 AI 换脸神器！支持批量、VR、直播实时换脸
-
发表了文章
2025-01-21
Zerox：AI驱动的万能OCR工具，精准识别复杂布局并输出Markdown格式，支持PDF、DOCX、图片等多种文件格式
-
发表了文章
2025-01-21
百聆：集成Deepseek API及语音技术的开源AI语音对话助手，实时交互延迟低至800ms
-
发表了文章
2025-01-21
moonshot-v1-vision-preview：月之暗面Kimi推出多模态视觉理解模型，支持图像识别、OCR文字识别、数据提取
-
发表了文章
2025-01-21
Sky-T1：开源版"OpenAI o1-preview"，训练成本竟不到450美元
-
发表了文章
2025-01-21
GLM-Realtime：智谱推出多模态交互AI模型，融入清唱功能，支持视频和语音交互
-
发表了文章
2025-01-21
CogVideoX-Flash：智谱首个免费AI视频生成模型，支持文生视频、图生视频，分辨率最高可达4K
-
发表了文章
2025-01-21
Titans：谷歌新型神经记忆架构，突破 Transformer 长序列处理的瓶颈
-
发表了文章
2025-01-21
Kokoro-TTS：超轻量级文本转语音模型，支持生成多种语言和多种语音风格
-
发表了文章
2025-01-21
PSHuman：开源单图像3D人像重建技术，一张照片就能生成3D人像模型
-
发表了文章
2025-01-21
CogView-3-Flash：智谱首个免费AI图像生成模型，支持多种分辨率，快速生成创意图像
-
发表了文章
2025-01-19
SmartEraser：中科大推出图像对象移除技术，轻松移除照片中的不想要元素，保留完美瞬间
-
发表了文章
2025-01-19
AutoMouser：AI Chrome扩展程序，实时跟踪用户的浏览器操作，自动生成自动化操作脚本
-
发表了文章
2025-01-19
SHMT：体验 AI 虚拟化妆！阿里巴巴达摩院推出自监督化妆转移技术
-
发表了文章
2025-01-19
ParGo：字节与中山大学联合推出的多模态大模型连接器，高效对齐视觉与语言模态
滑动查看更多
暂无更多信息