蚝油菜花_个人页

2025年01月

• 01.04 00:11:23
  发表了文章 2025-01-04 00:11:23

  MagicMirror：一键 AI 换脸、换发型和换穿搭，拖放照片就能实现换脸和形象变换，本地运行无需配置

  MagicMirror 是一款开源的一键 AI 换脸、换发型和穿搭应用，支持离线处理，保护隐私，轻量级设计，适合个人娱乐和创意内容创作。

  
• 01.04 00:10:58
  发表了文章 2025-01-04 00:10:58

  MarS：微软开源金融市场模拟预测引擎，支持策略测试、风险管理和市场分析

  MarS 是微软亚洲研究院推出的金融市场模拟预测引擎，基于生成型基础模型 LMM，支持无风险环境下的交易策略测试、风险管理和市场分析。

  
• 01.04 00:10:36
  发表了文章 2025-01-04 00:10:36

  SEMIKONG：专为半导体领域设计的大型语言模型，支持制造优化、辅助 IC 设计等半导体制造任务

  SEMIKONG 是专为半导体行业定制的大型语言模型，能够优化制造过程、辅助 IC 设计，并整合专家知识，推动领域特定 AI 模型的研究与应用。

  
• 01.04 00:10:14
  发表了文章 2025-01-04 00:10:14

  AigcPanel：开源的 AI 虚拟数字人系统，一键安装开箱即用，支持视频合成、声音合成和声音克隆

  AigcPanel 是一款开源的 AI 虚拟数字人系统，支持视频合成、声音克隆等功能，适用于影视制作、虚拟主播、教育培训等多种场景。

  
• 01.02 23:46:26
  发表了文章 2025-01-02 23:46:26

  Figma-Low-Code：快速将Figma设计转换为Vue.js应用，支持低代码渲染、数据绑定

  Figma-Low-Code 是一个开源项目，能够直接将 Figma 设计转换为 Vue.js 应用程序，减少设计师与开发者之间的交接时间，支持低代码渲染和数据绑定。

  
• 01.02 23:43:53
  发表了文章 2025-01-02 23:43:53

  RAG Logger：专为检索增强生成(RAG)应用设计的开源日志工具，支持查询跟踪、性能监控

  RAG Logger 是一款专为检索增强生成（RAG）应用设计的开源日志工具，支持查询跟踪、检索结果记录、LLM 交互记录和性能监控等功能。

  
• 01.02 23:43:10
  发表了文章 2025-01-02 23:43:10

  R2R：开源的 RAG 集成系统，支持多模态处理、混合搜索、知识图谱构建等增强检索技术

  R2R 是一款先进的 AI 检索增强生成平台，支持多模态内容处理、混合搜索和知识图谱构建，适用于复杂数据处理和分析的生产环境。

  
• 01.02 23:42:48
  发表了文章 2025-01-02 23:42:48

  LangGraph：构建多代理动态工作流的开源框架，支持人工干预、循环、持久性等复杂工作流自动化

  LangGraph 是一个基于图结构的开源框架，专为构建状态化、多代理系统设计，支持循环、持久性和人工干预，适用于复杂的工作流自动化。

  
• 01.02 23:42:14
  发表了文章 2025-01-02 23:42:14

  TangoFlux：高速生成高质量音频，仅用3.7秒生成长达30秒的音频，支持文本到音频转换

  TangoFlux 是由英伟达与新加坡科技设计大学联合开发的文本到音频生成模型，能够在3.7秒内生成30秒的高质量音频，支持文本到音频的直接转换和用户偏好优化。

  
• 01.02 23:41:52
  发表了文章 2025-01-02 23:41:52

  TITAN：哈佛医学院推出多模态全切片病理基础模型，支持病理报告生成、跨模态检索

  TITAN 是哈佛医学院研究团队开发的多模态全切片病理基础模型，通过视觉自监督学习和视觉-语言对齐预训练，能够在无需微调或临床标签的情况下提取通用切片表示，生成病理报告。

  
• 01.02 23:41:24
  发表了文章 2025-01-02 23:41:24

  Eliza：TypeScript 版开源 AI Agent 开发框架，快速搭建智能、个性的 Agents 系统

  Eliza 是一个开源的多代理模拟框架，支持多平台连接、多模型集成，能够快速构建智能、高效的AI系统。

  
• 01.02 23:41:02
  发表了文章 2025-01-02 23:41:02

  AI Dev Gallery：微软开源 Windows AI 模型本地运行工具包和示例库，助理开发者快速集成 AI 功能

  微软推出的AI Dev Gallery，为Windows开发者提供开源AI工具包和示例库，支持本地运行AI模型，提升开发效率。
• 01.02 01:39:44
  发表了文章 2025-01-02 01:39:44

  FireCrawl：开源 AI 网络爬虫工具，自动爬取网站及子页面内容，预处理为结构化数据

  FireCrawl 是一款开源的 AI 网络爬虫工具，专为处理动态网页内容、自动爬取网站及子页面而设计，支持多种数据提取和输出格式。

  
• 01.02 01:39:11
  发表了文章 2025-01-02 01:39:11

  StoryWeaver：故事可视化生成模型，快速生成故事绘本，支持处理单角色和多角色的故事可视化任务

  StoryWeaver 是厦门大学与网易伏羲联合推出的 AI 模型，通过知识图谱和角色定制技术，实现高质量的故事可视化。

  
• 01.02 01:38:45
  发表了文章 2025-01-02 01:38:45

  OpenEMMA：德克萨斯开源端到端的自动驾驶多模态模型框架，基于预训练的 MLLMs，处理复杂的视觉数据，推理驾驶场景

  OpenEMMA 是德州农工大学、密歇根大学和多伦多大学共同开源的端到端自动驾驶多模态模型框架，基于预训练的多模态大型语言模型处理视觉数据和复杂驾驶场景的推理。

  
• 01.02 01:38:24
  发表了文章 2025-01-02 01:38:24

  HuatuoGPT-o1：开源的医学推理大模型，通过复杂推理和强化学习提升医学问题解决能力

  HuatuoGPT-o1 是香港中文大学与深圳大数据研究院联合推出的医学高级推理大模型，通过复杂推理和强化学习提升医学问题解决能力。

  
• 01.02 01:38:04
  发表了文章 2025-01-02 01:38:04

  DeepSeek Engineer：集成 DeepSeek API 的开源 AI 编程助手，支持文件读取、编辑并生成结构化响应

  DeepSeek Engineer 是一款开源AI编程助手，通过命令行界面处理用户对话并生成结构化JSON，支持文件操作和代码生成。

  
• 01.02 01:37:47
  发表了文章 2025-01-02 01:37:47

  StockMixer：上海交大推出预测股票价格的 MLP 架构，通过捕捉指标、时间和股票间的复杂相关性，预测下一个交易日的收盘价

  StockMixer 是上海交通大学推出的基于多层感知器的股票价格预测架构，通过指标、时间和股票混合实现高效预测。

  
• 01.02 01:37:25
  发表了文章 2025-01-02 01:37:25

  StereoCrafter：腾讯开源将任意2D视频转换为立体3D视频的框架，适用于Apple Vision Pro等多种显示设备

  StereoCrafter 是腾讯开源的框架，能够将单目2D视频转换为高保真度的立体3D视频，适用于多种显示设备。

  
• 01.02 01:37:04
  发表了文章 2025-01-02 01:37:04

  AgiBot World：智元机器人开源百万真机数据集，数据集涵盖了日常生活所需的绝大多数动作

  AgiBot World 是智元机器人开源的百万真机数据集，旨在推动具身智能的发展，覆盖家居、餐饮、工业等五大核心场景。

  
• 01.01 21:11:58
  发表了文章 2025-01-01 21:11:58

  Poetry2Image：专为中文古诗词设计的图像生成校正框架，增强了诗歌内容与模型生成图像之间的一致性

  Poetry2Image 是一个专为中文古诗词图像生成设计的迭代校正框架，通过自动化反馈和校正循环，提升诗歌与图像之间的一致性，有效捕捉诗歌的语义和艺术精髓。

  
• 01.01 21:11:36
  发表了文章 2025-01-01 21:11:36

  Valley：字节跳动开源小体积的多模态模型，在小于 10B 参数的模型中排名第二

  Valley 是字节跳动推出的多模态大模型，能够处理文本、图像和视频数据，在电子商务和短视频领域表现优异，并在 OpenCompass 测试中排名第二。

  
• 01.01 21:11:15
  发表了文章 2025-01-01 21:11:15

  VideoPhy：UCLA 和谷歌联合推出评估视频生成模型物理模拟能力的评估工具，衡量模型生成的视频是否遵循现实世界的物理规则

  VideoPhy 是 UCLA 和谷歌联合推出的首个评估视频生成模型物理常识能力的基准测试，旨在衡量模型生成的视频是否遵循现实世界的物理规则。

  
• 01.01 21:10:52
  发表了文章 2025-01-01 21:10:52

  VersaGen：生成式 AI 代理，基于 Stable Diffusion 生成图像，专注于控制一至多个视觉主体等生成细节

  VersaGen 是一款生成式 AI 代理，专注于文本到图像合成中的视觉控制能力，支持多种视觉控制类型，并通过优化策略提升图像生成质量和用户体验。

  
• 01.01 21:10:28
  发表了文章 2025-01-01 21:10:28

  AutoRAG：自动优化 RAG 管道工具，自动评估各种 RAG 模块组合，快速找到最优的 RAG 管道

  AutoRAG 是一款自动优化 RAG（Retrieval-Augmented Generation）管道的工具，帮助用户找到最适合其数据和应用场景的最佳 RAG 管道。

  
• 01.01 21:10:01
  发表了文章 2025-01-01 21:10:01

  Large Motion Model：多模态运动生成模型，能够同时处理文本、音乐、视频等多种模态生成相应的运动动作

  Large Motion Model（LMM）是商汤科技与南洋理工大学联合推出的统一多模态运动生成模型，能够处理文本到运动、音乐到舞蹈等多种任务，展现出强大的泛化能力。

  
• 01.01 21:09:37
  发表了文章 2025-01-01 21:09:37

  GraphAgent：自动构建知识图谱，能够处理结构化和非结构化数据，并通过知识图谱展示复杂关系

  GraphAgent 是香港大学和香港科技大学联合推出的智能图形语言助手，能够处理结构化和非结构化数据，并通过知识图谱展示复杂关系。

  
• 01.01 21:09:00
  发表了文章 2025-01-01 21:09:00

  AGUVIS：指导模型实现 GUI 自动化训练框架，结合视觉-语言模型进行训练，实现跨平台自主 GUI 交互

  AGUVIS 是香港大学与 Salesforce 联合推出的纯视觉 GUI 自动化框架，能够在多种平台上实现自主 GUI 交互，结合显式规划和推理，提升复杂数字环境中的导航和交互能力。

  
• 01.01 21:08:13
  发表了文章 2025-01-01 21:08:13

  VideoVAE+：AI 生成视频高保真重建和跨模态重建工具，基于文本信息指导视频重建，提升视频细节质量

  VideoVAE+ 是香港科技大学推出的先进跨模态视频变分自编码器，通过时空分离压缩机制和文本指导，实现了高效视频压缩与精准重建。

  
• 01.01 15:49:18
  发表了文章 2025-01-01 15:49:18

  联通元景：中国联通开源中文原生的文生图模型，优化对中文长文本和成语语义等理解

  联通元景（UniT2IXL）是中国联通AI推出的中文原生文生图模型，基于国产昇腾AI平台，优化中文语义理解，支持高质量图像生成。

  
• 01.01 15:48:51
  发表了文章 2025-01-01 15:48:51

  EDTalk：只需上传图片、音频和视频，就能使图片中的人物说话，情感表情与音频情绪高度统一

  EDTalk 是上海交通大学与网易联合研发的高效解耦情感说话头像合成模型，能够独立控制嘴型、头部姿态和情感表情，适用于多种应用场景。

  
• 01.01 15:48:29
  发表了文章 2025-01-01 15:48:29

  MNN：阿里开源的轻量级深度学习推理框架，支持在移动端等多种终端上运行，兼容主流的模型格式

  MNN 是阿里巴巴开源的轻量级深度学习推理框架，支持多种设备和主流模型格式，具备高性能和易用性，适用于移动端、服务器和嵌入式设备。

  
• 01.01 15:48:03
  发表了文章 2025-01-01 15:48:03

  Infinity：字节跳动开源高分辨率图像生成模型，生成 1024x1024 的图像仅需 0.8 秒

  Infinity 是字节跳动推出的高分辨率图像生成模型，通过位级自回归建模和无限词汇量标记器，显著提升了图像生成的细节和质量。

  
• 01.01 15:47:40
  发表了文章 2025-01-01 15:47:40

  Vision Parse：开源的 PDF 转 Markdown 工具，结合视觉语言模型和 OCR，识别文本和表格并保持原格式

  Vision Parse 是一款开源的 PDF 转 Markdown 工具，基于视觉语言模型，能够智能识别和提取 PDF 中的文本和表格，并保持原有格式和结构。

  
• 01.01 15:47:15
  发表了文章 2025-01-01 15:47:15

  VidTok：微软开源的视频分词器，能够将视频内容转换为视觉 Token

  VidTok 是微软开源的一款先进的视频分词器，支持连续和离散分词化，能够高效地将视频内容转换为视觉 Token，适用于多种应用场景。

  
• 01.01 15:46:55
  发表了文章 2025-01-01 15:46:55

  FinRobot：开源的金融专业 AI Agent，提供市场预测、报告分析和交易策略等金融解决方案

  FinRobot 是一个开源的 AI Agent 平台，专注于金融领域的应用，通过大型语言模型（LLMs）构建复杂的金融分析和决策工具，提供市场预测、文档分析和交易策略等多种功能。

  
• 01.01 15:46:25
  发表了文章 2025-01-01 15:46:25

  Diff-Instruct：指导任意生成模型训练的通用框架，无需额外训练数据即可提升生成质量

  Diff-Instruct 是一种从预训练扩散模型中迁移知识的通用框架，通过最小化积分Kullback-Leibler散度，指导其他生成模型的训练，提升生成性能。

  

2024年12月

• 12.30 21:13:58
  发表了文章 2024-12-30 21:13:58

  Cobalt：开源的流媒体下载工具，支持解析和下载全平台的视频、音频和图片，支持多种视频质量和格式，自动提取视频字幕

  cobalt 是一款开源的流媒体下载工具，支持全平台视频、音频和图片下载，提供纯净、简洁无广告的体验

  
• 12.30 21:12:09
  发表了文章 2024-12-30 21:12:09

  CogAgent-9B：智谱 AI 开源 GLM-PC 的基座模型，专注于预测和执行 GUI 操作，可应用于自动化交互任务

  CogAgent-9B 是智谱AI基于 GLM-4V-9B 训练的专用Agent任务模型，支持高分辨率图像处理和双语交互，能够预测并执行GUI操作，广泛应用于自动化任务。

  
• 12.30 21:10:36
  发表了文章 2024-12-30 21:10:36

  Qwen-Agent：阿里通义开源 AI Agent 应用开发框架，支持构建多智能体，具备自动记忆上下文等能力

  Qwen-Agent 是阿里通义开源的一个基于 Qwen 模型的 Agent 应用开发框架，支持指令遵循、工具使用、规划和记忆能力，适用于构建复杂的智能代理应用。

  
• 12.30 21:09:09
  发表了文章 2024-12-30 21:09:09

  Enhance-A-Video：上海 AI Lab 推出视频生成质量增强算法，显著提升 AI 视频生成的真实度和细节表现

  Enhance-A-Video 是由上海人工智能实验室、新加坡国立大学和德克萨斯大学奥斯汀分校联合推出的视频生成质量增强算法，能够显著提升视频的对比度、清晰度和细节真实性。

  
• 12.30 21:07:55
  发表了文章 2024-12-30 21:07:55

  FastExcel：开源的 JAVA 解析 Excel 工具，集成 AI 通过自然语言处理 Excel 文件，完全兼容 EasyExcel

  FastExcel 是一款基于 Java 的高性能 Excel 处理工具，专注于优化大规模数据处理，提供简洁易用的 API 和流式操作能力，支持从 EasyExcel 无缝迁移。

  
• 12.30 21:07:14
  发表了文章 2024-12-30 21:07:14

  DynamicControl：腾讯推出动态地条件控制图像生成框架，结合了多模态大语言模型的推理能力和文生图模型的生成能力

  DynamicControl 是腾讯优图联合南洋理工等机构推出的动态条件控制图像生成新框架，通过自适应选择不同条件，显著增强了图像生成的可控性。

  
• 12.30 21:06:11
  发表了文章 2024-12-30 21:06:11

  VE-Bench：北京大学开源首个针对视频编辑质量的评估指标，从多角度考虑审美并准确地评估视频编辑效果

  北京大学开源了首个针对视频编辑质量评估的新指标 VE-Bench，旨在通过人类感知一致的度量标准，更准确地评估视频编辑效果。

  
• 12.30 21:04:17
  发表了文章 2024-12-30 21:04:17

  PeterCat：一键创建开源项目 AI 问答机器人，自动抓取 GitHub 仓库信息、文档和 issue 等构建知识库

  PeterCat 是一款开源的智能答疑机器人，能够自动抓取 GitHub 上的文档和 issue 构建知识库，提供对话式答疑服务，帮助开发者和社区维护者高效解决技术问题。

  
• 12.29 15:29:39
  发表了文章 2024-12-29 15:29:39

  DRT-o1：腾讯推出专注于文学翻译的 AI 模型，擅长理解比喻和隐喻等修辞手法，在翻译时保留原文的情感色彩

  DRT-o1 是腾讯研究院推出的文学翻译系列 AI 模型，通过长链思考推理技术显著提升翻译质量，特别擅长处理比喻和隐喻等修辞手法。

  
• 12.29 15:27:55
  发表了文章 2024-12-29 15:27:55

  video-analyzer：开源视频分析工具，支持提取视频关键帧、音频转录，自动生成视频详细描述

  video-analyzer 是一款开源视频分析工具，结合 Llama 的 11B 视觉模型和 OpenAI 的 Whisper 模型，能够提取视频关键帧、转录音频并生成详细描述，支持本地运行和多种应用场景

  
• 12.29 15:27:21
  发表了文章 2024-12-29 15:27:21

  ModernBERT：英伟达开源的新一代编码器模型，性能超越 SOTA，通过去除填充和序列打包减少计算浪费，提高训练和推理的效率

  ModernBERT 是由英伟达和 HuggingFace 等机构联合开源的新一代编码器模型，支持长上下文处理，性能超越 SOTA，适合多种自然语言处理任务。

  
• 12.29 15:26:46
  发表了文章 2024-12-29 15:26:46

  Mathtutor on Groq：AI 数学辅导工具，实时计算并展示解题过程，支持通过语音提出数学问题

  Mathtutor on Groq 是一款基于 Groq 架构的 AI 数学辅导工具，支持语音输入数学问题，实时计算并渲染解题过程，适用于代数、微积分等领域的学习和教学辅助。

  
• 12.29 15:26:11
  发表了文章 2024-12-29 15:26:11

  DiTCtrl：腾讯推出多提示视频生成方法，通过多个提示生成连贯的视频内容，确保内容与提示一致

  DiTCtrl 是一种基于多模态扩散变换器（MM-DiT）架构的多提示视频生成方法，能够在无需额外训练的情况下，实现多个文本提示之间的连贯视频生成，并保持内容和运动的一致性。