Llama Tutor 是一個基于AI的個性化學習平臺，由 Llama 3.1 和 Together AI 技術驅動，是一個完全開源的項目。支持用戶輸入想要學習的主題和教育水平，生成一個量身定做的學習計劃。平臺覆蓋包括籃球、...
網站首頁 > AI工具 第34頁
-
-
VideoAgent是一種自改進的視頻生成系統，由斯坦福大學、滑鐵盧大學、DeepMind等機構的研究人員共同推出。根據圖像觀察和語言指令生成視頻計劃，轉換為機器人控制動作。VideoAgent基于自我條件一致性方法細化視頻...
-
NotesGPT是一款開源的AI驅動語音筆記工具，能將用戶的語音筆記快速轉錄成文本，自動生成行動項。工具基于包括Convex數據庫、Next.js框架、Together推理模型、Replicate的Whisper轉錄服務等先...
-
restorePhotos.io 是一個開源的AI項目，專注于修復老舊和模糊的人臉照片。用GFPGAN機器學習模型，基于Next.js API路由處理上傳的照片，再返回修復后的照片。能在本地運行項目，或基于Vercel平臺一...
-
MEXMA是由Meta AI推出的一種新型的預訓練跨語言句子編碼器?；诮Y合句子級和詞語級的目標提升句子表示的質量。在訓練過程中，MEXMA用一種語言的句子表示預測另一種語言中被遮蔽的詞語，支持直接更新編碼器中的句子表示和所...
-
ComfyGen是由NVIDIA和特拉維夫大學研究人員推出的一種文本到圖像生成系統，基于大型語言模型（LLM）自動創建與用戶文本提示相匹配的工作流，提升圖像生成的質量。系統解決傳統單體模型在生成圖像時存在的限制，結合多個專業...
-
Spirit LM是由Meta AI團隊推出的一種多模態語言模型，能無縫地混合文本和語音數據。Spirit LM基于一個預訓練的文本語言模型，用持續在文本和語音單元上的訓練擴展到語音模態。模型有兩個版本：基礎版（BASE）和...
-
LayerSkip是一種用在加速大型語言模型（LLMs）推理過程的技術?；谠谟柧氹A段應用層dropout和早期退出損失，讓模型在推理時從早期層開始更準確地退出，不需要遍歷所有層。提高模型的推理速度，減少計算資源的消耗。...
-
LOKI是由中山大學和上海AI Lab聯合提出的合成數據檢測基準，旨在全面評估大型多模態模型（LMMs）在識別視頻、圖像、3D、文本和音頻等多種模態合成數據的能力。包含18,000多個問題，覆蓋26個子類別，采用多層次標注，...
-
Story-Adapter 是一種新型的長篇故事可視化框架，能在保持語義一致性的同時，生成高質量且具有細膩交互的故事圖像序列。通過迭代方式，基于全局參考交叉注意力模塊，優化圖像生成過程，提升了長故事場景下的可視化效果。...
