BFW编程笔记

搜索

字节开源多参考主体一致性视频生成模型Phantom

字节开源多参考主体一致性视频生成模型PhantomPhantom 是由字节跳动智能创作团队推出的一种新型视频生成框架，专注于通过跨模态对齐技术生成主题一致的视频。该框架通过文本、图像和视频的三元组数据...点击查看

字节开源多参考主体一致性视频生成模型Phantom

Moonshot开源支持语音识别与语音生成的模型Kimi-Audio-7B-Instruct

Moonshot开源支持语音识别与语音生成的模型Kimi-Audio-7B-InstructMoonshot AI 正式发布了全新的开源音频基础模型 Kimi-Audio-7B-Instruct，这是...点击查看

Moonshot开源支持语音识别与语音生成的模型Kimi-Audio-7B-Instruct

全球首个自回归开源文生视频大模型MAGI-1

全球首个自回归开源文生视频大模型MAGI-12025年4月21日，Sand AI正式发布了其首个视频生成大模型——MAGI-1。这一模型以其创新的自回归扩散架构和卓越的性能，迅速成为生成式AI领域的焦...点击查看

全球首个自回归开源文生视频大模型MAGI-1

Dia-1.6B：开源文本转语音模型，支持人声情感和语调控制，对话更生动自然

Dia-1.6B：开源文本转语音模型，支持人声情感和语调控制，对话更生动自然由 Nari Labs 开发的开源文本转语音（TTS）模型 Dia-1.6B，凭借其卓越的对话生成能力和高度逼真的语音效果，...点击查看

Dia-1.6B：开源文本转语音模型，支持人声情感和语调控制，对话更生动自然

字节开源1小时长视频理解和自动剪辑成精华短视频大模型Vidi

字节开源1小时长视频理解和自动剪辑成精华短视频大模型Vidi字节跳动近日宣布推出其最新研发的多模态模型Vidi，该模型基于字节自研的VeOmni框架，融合时间增强变换器与多模态编码器，重塑超长视频理解...点击查看

字节开源1小时长视频理解和自动剪辑成精华短视频大模型Vidi

开源AI声音克隆模型Amphion Vevo?一键模仿人声音色与风格还能翻唱歌曲

开源AI声音克隆模型Amphion Vevo?一键模仿人声音色与风格还能翻唱歌曲Amphion是一个开源的音频、音乐和语音生成工具包，由香港中文大学（深圳）副教授武执政团队联合上海人工智能实验室和深...点击查看

开源AI声音克隆模型Amphion Vevo?一键模仿人声音色与风格还能翻唱歌曲

Krea 推出二维图像转换3D三维场景的ai工具Krea Stage

Krea 推出二维图像转换3D三维场景的ai工具Krea StageKrea Stage 是一款由 Krea 推出的创新 AI 工具，能够将 2D 图像快速转换为 3D 场景，并生成高质量的视频内容。...点击查看

Krea 推出二维图像转换3D三维场景的ai工具Krea Stage

分享一个开源的提示词优化工具Prompt Optimizer

分享一个开源的提示词优化工具Prompt OptimizerPrompt Optimizer 是一款强大的 AI 提示词优化工具。它能够帮助用户将模糊、简短的提示词转变为清晰、结构化的专业指令，从而显...点击查看

分享一个开源的提示词优化工具Prompt Optimizer

英伟达推出1分钟连续长视频ai生成技术Test-Time Training（TTT）

英伟达推出1分钟连续长视频ai生成技术Test-Time Training（TTT）Test-Time Training（TTT）技术由英伟达联合斯坦福大学、加州大学圣地亚哥分校等机构的研究人员开发，...点击查看

英伟达推出1分钟连续长视频ai生成技术Test-Time Training（TTT）

开源多模态知识库构建利器Morphik RAG

开源多模态知识库构建利器Morphik RAGMorphik 是一个开源的多模态 RAG（Retrieval-Augmented Generation，检索增强生成）系统，专为处理非结构化数据而设计，...点击查看

开源多模态知识库构建利器Morphik RAG

{{item.title}}

{{item.content}}

{{item.title}}

{{item.content}}

最新提问

云产品购物券