标签：自然语言处理

PuLID是字节跳动的团队开源的一种个性化文本到图像生成技术，通过对比对齐和快速采样方法，实现了无需调整模型的高效ID定制，轻松实现图像换脸效果。

AniTalker是由来自上海交大X-LANCE实验室和思必驰AISpeech的研究人员推出的一个对口型说话视频生成框架，能够将单张静态人像和输入的音频转换成栩栩如生的动...

Universal-1是AI语音初创公司AssemblyAI推出的一款多语言语音识别和转录模型，经过超过1250万小时的多语种音频数据训练，支持英语、西班牙语、法语和德语等。

Stable Assistant是由Stability AI开发的一款聊天机器人，集成了最新的文本和图像生成技术（Stable Diffusion 3和Stable LM 2 12B ）。该AI对话工具能够理解...

ChatTTS是一款专为对话场景设计的支持中英文的文本转语音（TTS）模型，基于约10万小时的中英文数据进行训练，能够生成高质量、自然流畅的对话语音。

Qwen2是由阿里云通义千问团队开源的新一代大语言模型，该系列涵盖了从0.5B到72B不等的五个规模模型，在中文和英文基础上增加了27种语言的高质量数据，大幅提...

ElevenLabs Reader App是由AI语音初创公司ElevenLabs推出的一款文本转语音应用，利用AI技术将各类文本内容，如文章、PDF文件、ePub等，转化为自然流畅、高音...

Gemma 2是谷歌DeepMind推出的新一代开源人工智能模型，包含90亿和270亿参数版本。该模型以卓越的性能、高效的推理速度和广泛的硬件兼容性为特点，能够与参数...

Moshi是由法国的的人工智能研究实验室Kyutai推出的一款端到端实时音频多模态AI模型，拥有听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。作为对标...

Chameleon 是 Meta（Facebook 的母公司）的人工智能研究团队 FAIR（Facebook AI Research）发布的一个能理解和生成任意序列的图像和文本的混合多模态模型。拥...

Mem0 是一款开源的大语言模型记忆增强工具，能够让 AI 拥有长期、适应性强的记忆。通过自适应记忆系统，AI能实现跨应用记住用户的偏好和交互，提供连贯且不断...

盘盘单词是百度网盘推出的AI英语学习微信小程序。采用生成式AI技术，分析用户百度网盘的照片，提取关键元素，自动生成与用户生活紧密相关的英语单词和例句，...

STORM AI 是斯坦福大学推出的开源AI写作工具，可在几秒钟内将一个主题转换为长篇文章/研究论文，完全免费，是 Perplexity Pages 的一种 替代品 。STORM AI 利...

Llama 3.1是Meta最新发布的开源AI模型，包括8B、70B和405B三个版本，其中405B版本以其4050亿参数量成为目前最大的开源模型之一。Llama 3.1支持128K的上下文长...

GPT-4o Long Output模型是OpenAI最新推出的超长输出AI模型，支持高达64k tokens的长文本输出，相当于约200页小说。相较于原GPT-4o模型，输出能力提升16倍，但...