-
CharacterFactory – 大连理工推出的AI角色创作工具
CharacterFactory项目简介 CharacterFactory是大连理工大学IIAU团队推出的AI角色创作工具，通过扩散模型在无需参考图片的情况下，仅需2.5GB显存和10分钟训练，即可快速生成具有一致性特征的新角色图像。CharacterFactory支持文本提示词，如动作和风格，实现个性化图像生成，并能无缝融入视频和3D模型中，具有极高的训练效率和应用潜力。 CharacterFa…- 0
-
Mureka V6 – 昆仑万维推出的AI音乐创作基座模型
Mureka V6项目简介 Mureka V6是昆仑万维推出的AI音乐创作平台的基座模型，支持纯音乐生成以及10种语言的AI音乐创作。引入自研的ICL（in-context learning）技术，使声场更加开阔，人声质感和混音设计进一步强化。用户可以通过简单的步骤使用Mureka V6创作音乐。生成的音乐可以自由使用，适用于YouTube、广告、游戏背景音乐等多种场景。Mureka V6支持多种…- 2
-
KuaiFormer – 快手推出的检索框架，基于Transformer
KuaiFormer项目简介 KuaiFormer是快手技术团队推出的基于Transformer的检索框架，用在大规模内容推荐系统。基于重新定义检索流程，从传统的分数估计任务转变为Transformer驱动的“下一个动作预测”范式，有效进行实时兴趣获取和多兴趣提取，显著提升检索性能。KuaiFormer用多兴趣查询Token、自适应序列压缩机制，实现在亿级候选集上的稳定训练。已在2024 年 5 …- 2
-
超强AI音频生成图像工具「Music To Image」体验测评：我让AI听完周杰伦的歌，它还把歌里的故事画了出来
AI音频生成图像工具： 工具介绍：「音生图」应用，只要上传一段音乐，它就能根据音乐旋律和歌词，生成一张对应意境的图片。将音频上传到模型，自动将音频生成文本描述，然后使用Llama2大模型将其转换为说明性的图像描述，最后运行Stable Diffusion XL以从音频生成图像！ 工具链接：https://www.aieva.cn/sites/1303.html 2023年AIGC的浪潮奔涌而来，让…- 2
-
Helix – Figure 推出的端到端通用控制模型
Helix项目简介 Helix 是 Figure 推出的通用视觉-语言-动作（VLA）模型，用于人形机器人的控制。Helix首创性地实现对机器人整个上身（包括手腕、躯干、头部和手指）的高速率（200Hz）连续控制，支持多机器人协作，多个机器人共用同一组神经网络权重完成任务。Helix 基于自然语言指令拿起从未见过的物品，表现出强大的泛化能力。Helix 的训练完全端到端，无需任务特定的微调，在低功…- 4
-
ArtCrafter – 清华联合鹏城实验室和联想共同推出的文本到图像风格迁移框架
ArtCrafter项目简介 ArtCrafter是清华大学、鹏城实验室和联想研究院共同推出的文本到图像风格迁移框架，基于扩散模型，解决传统方法在风格表达、内容一致性和输出多样性方面的局限。ArtCrafter基于嵌入重构架构实现，包含三个关键组件：基于注意力的风格提取模块，用多层架构和感知器注意力机制从参考图像中提取细腻的风格特征；文本-图像对齐增强模块，基于注意力交互将图像和文本嵌入映射到共享…- 61
-
RDT – 清华开源的双臂机器人扩散基础模型
RDT项目简介 RDT（Robotics Diffusion Transformer）是清华大学AI研究院TSAIL团队推出的全球最大的双臂机器人操作任务扩散基础模型。RDT具备十亿参数量，能在无需人类操控的情况下，自主完成复杂任务，如调酒和遛狗。RDT基于模仿学习人类动作，展现出强大的泛化能力和操作精度，能处理未见过的物体和场景。清华团队已将RDT的代码、模型和训练数据集开源，推动机器人技术的发…- 4
-
3FS – DeepSeek开源的高性能分布式文件系统
3FS项目简介 3FS（Fire-Flyer File System）是DeepSeek推出的高性能分布式文件系统，专为AI训练和推理任务设计。3FS用现代SSD和RDMA网络技术，基于分离式架构聚合数千个SSD的吞吐量和数百个存储节点的网络带宽，提供高达6.6 TiB/s的读取吞吐量。3FS提供强一致性保障，提供通用文件接口，无需学习新的存储API。3FS在大规模数据处理和推理优化中表现出色，在…- 1