AI项目和框架

SigLIP 2 是Google DeepMind 提出先进的多语言视觉-语言模型 ，是 SigLIP 的升级版本，提升图像与文本之间的对齐能力。通过改进的训练方法和架构，显著增强了...

AvatarGO 是南洋理工大学S-Lab、上海 AI Lab，香港大学联合推出的新型框架，用在从文本输入直接生成可动画化的 4D 人体与物体交互场景。通过零样本（zero-sho...

Moonlight-16B-A3B 是 Moonshot AI 推出的新型 Mixture-of-Expert (MoE) 模型，具有 160 亿总参数和 30 亿激活参数。模型使用了优化后的 Muon 优化器进行训练...

FlashMLA 是 DeepSeek 开源的针对 NVIDIA Hopper 架构 GPU 优化的高效 MLA（Multi-Head Linear Attention）解码内核，专为处理可变长度序列设计。通过优化 KV...

MagicArticulate 是南洋理工大学和字节跳动Seed实验室推出的自动将静态 3D 模型转换为可动画化资产的框架。MagicArticulate基于自回归生成骨架，预测蒙皮权重...

TANGLED是上海科技大学、Deemos Technology和华中科技大学联合推出的3D发型生成方法，支持从任意风格和视角的图像中生成高质量的3D发丝。TANGLED基于三个核心...

Llasa TTS 是香港科技大学基于 LLaMA 架构推出的开源文本转语音（TTS）模型，支持高质量语音合成和克隆。Llasa TTS 基于单层向量量化（VQ）编解码器和单个 Tr...

OOMOL （悟墨）是基于 VSCode 打造的现代化集成开发环境（IDE），专为工作流自动化而设计。通过拖拽式图形化界面，让用户能直观地搭建复杂的工作流，无需编程...

Evo 2 是美国弧形研究所、英伟达、斯坦福大学等机构合作推出的DNA语言模型，用于基因组建模和设计，覆盖生命的所有领域。Evo 2 基于 StripedHyena 2 架构开发...

Indic Parler-TTS 是 Hugging Face 和 AI4Bharat 团队合作推出的多语言文本到语音（TTS）模型，专门用于印度语言和英语的语音合成。Indic Parler-TTS 是 Parl...

ComfyUI-Copilot 是阿里巴巴国际数字商业集团（AIDC-AI）推出基于 ComfyUI 框架深度开发的 AI 智能助手。ComfyUI-Copilot给予自然语言交互，为用户提供节点推...

Auto-Deep-Research 是香港大学黄超教授实验室开源的全自动个人 AI 助理，作为 OpenAI Deep Research 的开源替代方案。基于 AutoAgent 框架开发，专注于深度...

Ovis2 是阿里巴巴国际团队推出的新型多模态大语言模型，基于结构化嵌入对齐解决视觉与文本模态间的差异。Ovis2继承、优化了 Ovis 系列架构，强化小规模模型的...

AgentSociety 是清华大学推出的基于大语言模型（LLM）的社会模拟器，通过构建具有“类人心智”的智能体来模拟复杂的社会行为和现象。结合社会学理论，赋予智能...

Sitcom-Crafter 是北京航空航天大学、香港中文大学（深圳）、悉尼科技大学、中山大学等高校联合推出的 3D 场景中人类动作生成系统。基于用户提供的长剧情指导...