蚝油菜花_个人页

2025年03月

• 03.28 10:08:32
  发表了文章 2025-03-28 10:08:32

  谷歌DeepMind联手牛津推出Bolt3D：AI秒速3D建模革命！单GPU仅需6秒生成3D场景

  牛津大学与谷歌联合推出的Bolt3D技术，能在单个GPU上仅用6.25秒从单张或多张图像生成高质量3D场景，基于高斯溅射和几何多视角扩散模型，为游戏、VR/AR等领域带来革命性突破。

  
• 03.26 23:35:01
  发表了文章 2025-03-26 23:35:01

  Mureka V6：10语种AI音乐工厂！昆仑万维「声场黑科技」颠覆作曲

  昆仑万维推出的Mureka V6 AI音乐创作基座模型，支持10种语言歌词生成和纯音乐创作，通过自研ICL技术实现声场优化，覆盖爵士/电子/流行等多元风格，为音乐爱好者和专业创作者提供高效工具。
• 03.26 23:34:35
  发表了文章 2025-03-26 23:34:35

  pdf-craft：PDF秒转Markdown/EPUB！接入DeepSeek轻松生成电子书，自动整理目录、注释和引文

  pdf-craft是一款专注于处理扫描书籍PDF的开源工具，能精准提取正文内容并转换为Markdown/EPUB格式，通过AI算法解决跨页连贯性问题，是学术研究和电子书制作的利器。
• 03.26 23:33:58
  发表了文章 2025-03-26 23:33:58

  TaoAvatar：手机拍出电影级虚拟人！阿里3D高斯黑科技让动捕设备下岗

  阿里巴巴最新推出的TaoAvatar技术，通过3D高斯溅射实现照片级虚拟人实时渲染，支持多信号驱动与90FPS流畅运行，将彻底改变电商直播与远程会议体验。

  
• 03.26 15:10:42
  发表了文章 2025-03-26 15:10:42

  ReasonGraph：别让AI成黑箱！这个开源工具把大模型的脑回路画给你看

  ReasonGraph是一款开源的可视化分析工具，能将大语言模型的复杂推理过程转化为直观图表，支持50+主流模型和多种推理方法，帮助开发者快速理解AI思考逻辑并优化模型表现。
• 03.26 15:07:09
  发表了文章 2025-03-26 15:07:09

  LHM：单图生成3D动画人！阿里开源建模核弹，高斯点云重构服装纹理

  阿里巴巴通义实验室开源的LHM模型，能够从单张图像快速重建高质量可动画化的3D人体模型，支持实时渲染和姿态控制，适用于AR/VR、游戏开发等多种场景。

  
• 03.26 15:06:46
  发表了文章 2025-03-26 15:06:46

  Qwen2.5-VL-32B：阿里开源多模态核弹！32B模型吊打自家72B，数学推理封神

  阿里巴巴最新开源的Qwen2.5-VL-32B多模态模型，在数学推理、视觉问答等任务中超越前代72B版本，支持图像细粒度理解和复杂逻辑分析，已在HuggingFace开源。

  
• 03.26 15:06:26
  发表了文章 2025-03-26 15:06:26

  StarVector：图像秒变矢量代码！开源多模态模型让SVG生成告别手绘

  StarVector是由ServiceNow Research等机构联合开发的开源多模态视觉语言模型，能够将图像和文本转换为可编辑的SVG矢量图形，支持1B和8B两种规模，在SVG生成任务中表现出色。

  
• 03.25 18:43:47
  发表了文章 2025-03-25 18:43:47

  Reve Image：设计师失业警告！AI秒出海报级神图，排版自动搞定

  Reve Image 是 Reve 推出的全新 AI 图像生成模型，专注于提升美学表现、精确的提示遵循能力以及出色的排版设计，能生成高质量的视觉作品。

  
• 03.25 18:42:55
  发表了文章 2025-03-25 18:42:55

  BlockDance：扩散模型加速革命！复旦字节联手实现50%无损提速

  BlockDance 是复旦大学与字节跳动联合推出的扩散模型加速方法，通过识别重用相邻时间步中的结构相似特征，减少冗余计算，最高可加速50%，同时保持生成质量。

  
• 03.25 18:42:31
  发表了文章 2025-03-25 18:42:31

  MoshiVis：语音视觉实时交互开源！7B模型秒懂图像，无障碍革命来袭

  MoshiVis 是 Kyutai 推出的开源多模态语音模型，结合视觉与语音输入，支持实时交互，适用于无障碍应用、智能家居控制等多个场景。

  
• 03.25 18:42:05
  发表了文章 2025-03-25 18:42:05

  RuoYi AI：1人搞定AI中台！开源全栈式AI开发平台，快速集成大模型+RAG+支付等模块

  RuoYi AI 是一个全栈式 AI 开发平台，支持本地 RAG 方案，集成多种大语言模型和多媒体功能，适合企业和个人开发者快速搭建个性化 AI 应用。

  
• 03.25 18:41:40
  发表了文章 2025-03-25 18:41:40

  Motia：程序员福音！AI智能体三语言混编，零基础秒级部署

  Motia 是一款专为软件工程师设计的 AI Agent 开发框架，支持多种编程语言，提供零基础设施部署、模块化设计和内置可观测性功能，帮助开发者快速构建和部署智能体。

  
• 03.25 18:35:18
  发表了文章 2025-03-25 18:35:18

  Soundwave：语音对齐黑科技！开源模型秒解翻译问答，听懂情绪波动

  Soundwave 是香港中文大学（深圳）开源的语音理解大模型，专注于语音与文本的智能对齐和理解，支持语音翻译、语音问答、情绪识别等功能，广泛应用于智能语音助手、语言学习等领域。

  
• 03.25 18:34:47
  发表了文章 2025-03-25 18:34:47

  DeepMesh：3D建模革命！清华团队让AI自动优化拓扑，1秒生成工业级网格

  DeepMesh 是由清华大学和南洋理工大学联合开发的 3D 网格生成框架，基于强化学习和自回归变换器，能够生成高质量的 3D 网格，适用于虚拟环境构建、动态内容生成、角色动画等多种场景。

  
• 03.24 17:08:48
  发表了文章 2025-03-24 17:08:48

  GPT-4o-mini-transcribe：OpenAI 推出实时语音秒转文本模型！高性价比每分钟0.003美元

  GPT-4o-mini-transcribe 是 OpenAI 推出的语音转文本模型，基于 GPT-4o-mini 架构，采用知识蒸馏技术，适合在资源受限的设备上运行，具有高效、实时和高性价比的特点。

  
• 03.24 17:08:25
  发表了文章 2025-03-24 17:08:25

  Second Me：硅基生命或成现实？如何用AI克隆自己，打造你的AI数字身份！

  Second Me 是一个开源AI身份系统，允许用户创建完全私有的个性化AI代理，代表用户的真实自我，支持本地训练和部署，保护用户隐私和数据安全。

  
• 03.24 17:07:39
  发表了文章 2025-03-24 17:07:39

  Multi-Agent Orchestrator：亚马逊开源AI智能体自动协作黑科技！重构人机交互逻辑，1秒精准分配任务

  Multi-Agent Orchestrator 是亚马逊开源的多智能体框架，能够动态分配代理、维护上下文、支持多种代理类型，适用于客户服务、智能交通、物流配送等复杂场景。

  
• 03.24 17:07:09
  发表了文章 2025-03-24 17:07:09

  SpatialLM：手机视频秒建3D场景！开源空间认知模型颠覆机器人训练

  SpatialLM 是群核科技开源的空间理解多模态模型，能够通过普通手机拍摄的视频重建 3D 场景布局，赋予机器人类似人类的空间认知能力，适用于具身智能训练、自动导航、AR/VR 等领域。

  
• 03.23 15:26:22
  发表了文章 2025-03-23 15:26:22

  GPT-4o-Transcribe：OpenAI 推出高性能语音转文本模型！错误率暴降90%+方言通杀，Whisper当场退役

  GPT-4o-Transcribe 是 OpenAI 推出的高性能语音转文本模型，支持多语言和方言，适用于复杂场景如呼叫中心和会议记录，定价为每分钟 0.006 美元。
• 03.23 15:26:03
  发表了文章 2025-03-23 15:26:03

  Dify-Plus：企业级AI管理核弹！开源方案吊打SaaS，额度+密钥+鉴权系统全面集成

  Dify-Plus 是基于 Dify 二次开发的企业级增强版项目，新增用户额度、密钥管理、Web 登录鉴权等功能，优化权限管理，适合企业场景使用。

  
• 03.23 15:25:49
  发表了文章 2025-03-23 15:25:49

  Agent TARS：一键让AI托管电脑！字节开源PC端多模态AI助手，无缝集成浏览器与系统操作

  Agent TARS 是一款开源的多模态AI助手，能够通过视觉解析网页并无缝集成命令行和文件系统，帮助用户高效完成复杂任务。

  
• 03.23 15:25:07
  发表了文章 2025-03-23 15:25:07

  GPT-4o mini TTS：OpenAI 推出轻量级文本转语音模型！情感操控+白菜价冲击配音圈

  GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持多语言、多情感控制，适用于智能客服、教育学习、智能助手等多种场景。

  
• 03.21 21:04:31
  发表了文章 2025-03-21 21:04:31

  Crack Coder：在线面试“AI外挂”！编程问题秒出答案，完全绕过屏幕监控，连录屏都抓不到痕迹！

  Crack Coder 是一款开源的隐形 AI 辅助工具，专为技术面试设计，支持多种编程语言，提供实时编程问题解决方案，帮助面试者高效解决问题。
• 03.21 10:32:31
  发表了文章 2025-03-21 10:32:31

  Umi-OCR：31K Star！离线OCR终结者！公式+二维码+多语种，开源免费吊打付费

  Umi-OCR 是一款免费开源的离线 OCR 文字识别工具，支持截图、批量图片、PDF 扫描件的文字识别，内置多语言识别库，提供命令行和 HTTP 接口调用功能。

  
• 03.21 10:31:30
  发表了文章 2025-03-21 10:31:30

  YT Navigator：AI秒搜YouTube！自然语言直达视频关键帧

  YT Navigator 是一款 AI 驱动的 YouTube 内容搜索工具，通过自然语言查询快速定位视频中的关键信息，支持与视频内容对话，适用于研究人员、学生和内容创作者。

  
• 03.21 10:31:06
  发表了文章 2025-03-21 10:31:06

  Step-Video-TI2V：开源视频生成核弹！300亿参数+102帧电影运镜

  Step-Video-TI2V 是阶跃星辰推出的开源图生视频模型，支持根据文本和图像生成高质量视频，具备动态性调节和多种镜头运动控制功能，适用于动画制作、短视频创作等场景。

  
• 03.20 16:33:32
  发表了文章 2025-03-20 16:33:32

  ReCamMaster：视频运镜AI革命！单镜头秒变多机位，AI重渲染颠覆创作

  ReCamMaster 是由浙江大学与快手科技联合推出的视频重渲染框架，能够根据用户指定的相机轨迹重新生成视频内容，广泛应用于视频创作、后期制作、教育等领域，提升创作自由度和质量。
• 03.20 16:32:15
  发表了文章 2025-03-20 16:32:15

  Instella：AMD开源30亿参数语言模型！训练效率碾压同级选手

  Instella是AMD推出的30亿参数开源语言模型，基于自回归Transformer架构，支持多轮对话、指令跟随和自然语言理解，适用于智能客服、内容创作和教育辅导等多个领域。
• 03.20 16:31:50
  发表了文章 2025-03-20 16:31:50

  Manus再遭复刻！开源多智能体协作工具，实时查看每个AI员工的"脑回路"

  LangManus 是一个基于分层多智能体系统的 AI 自动化框架，支持多种语言模型和工具集成，能够高效完成复杂任务，适用于人力资源、房产决策、旅行规划等多个场景。
• 03.20 16:30:57
  发表了文章 2025-03-20 16:30:57

  Stable Virtual Camera：2D秒变3D电影！Stability AI黑科技解锁无限运镜，自定义轨迹一键生成

  Stable Virtual Camera 是 Stability AI 推出的 AI 模型，能够将 2D 图像转换为具有真实深度和透视感的 3D 视频，支持自定义相机轨迹和多种动态路径，生成高质量且时间平滑的视频。

  
• 03.20 16:21:19
  发表了文章 2025-03-20 16:21:19

  SmolDocling：256M多模态小模型秒转文档！开源OCR效率提升10倍

  SmolDocling 是一款轻量级的多模态文档处理模型，能够将图像文档高效转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。

  
• 03.19 10:09:05
  发表了文章 2025-03-19 10:09:05

  Cursor 上线最新 AI 模型 Claude 3.7 Max：200k上下文+200次工具调用！史上最强代码助手硬核上线

  Claude 3.7 Max 是 Cursor 推出的最新 AI 模型，支持 200k 上下文窗口和 200 次工具调用，专为复杂代码任务设计，适合硬核开发者和大型项目。

  
• 03.19 10:08:42
  发表了文章 2025-03-19 10:08:42

  I2V3D：微软+港城大黑科技！单图秒变3D动态视频，相机轨迹自由操控

  I2V3D 是由香港城市大学和微软联合开发的图像到视频生成框架，支持将静态图像转换为动态视频，基于3D几何引导实现精确的动画控制，适用于动画制作、视频编辑和内容创作等领域。

  
• 03.19 10:08:16
  发表了文章 2025-03-19 10:08:16

  OpenBioMed：开源生物医学AI革命！20+工具链破解药物研发「死亡谷」

  OpenBioMed 是清华大学智能产业研究院（AIR）和水木分子共同推出的开源平台，专注于 AI 驱动的生物医学研究，提供多模态数据处理、丰富的预训练模型和多样化的计算工具，助力药物研发、精准医疗和多模态理解。

  
• 03.19 10:07:51
  发表了文章 2025-03-19 10:07:51

  Mistral Small 3.1：240亿参数多模态黑马！128k长文本+图像分析，推理速度150token/秒

  Mistral Small 3.1 是 Mistral AI 开源的多模态人工智能模型，具备 240 亿参数，支持文本和图像处理，推理速度快，适合多种应用场景。

  
• 03.19 10:06:33
  发表了文章 2025-03-19 10:06:33

  Hunyuan3D 2.0：腾讯混元开源3D生成大模型！图生/文生秒建高精度模型，细节纹理自动合成

  Hunyuan3D 2.0 是腾讯推出的大规模 3D 资产生成系统，专注于从文本和图像生成高分辨率的 3D 模型，支持几何生成和纹理合成。

  
• 03.19 10:06:01
  发表了文章 2025-03-19 10:06:01

  昆仑万维开源 Skywork R1V：开源多模态推理核弹！视觉链式分析超越人类专家

  Skywork R1V 是昆仑万维开源的多模态思维链推理模型，具备强大的视觉链式推理能力，能够在多个权威基准测试中取得领先成绩，推动多模态推理模型的发展。

  
• 03.17 20:52:17
  发表了文章 2025-03-17 20:52:17

  MedRAG：医学AI革命！知识图谱+四层诊断，临床准确率飙升11.32%

  MedRAG是南洋理工大学推出的医学诊断模型，结合知识图谱与大语言模型，提升诊断准确率11.32%，支持多模态输入与智能提问，适用于急诊、慢性病管理等多种场景。

  
• 03.17 20:51:52
  发表了文章 2025-03-17 20:51:52

  AudioX：颠覆创作！多模态AI一键生成电影级音效+配乐，耳朵的终极盛宴

  AudioX 是香港科技大学和月之暗面联合推出的扩散变换器模型，能够从文本、视频、图像等多种模态生成高质量音频和音乐，具备强大的跨模态学习能力和泛化能力。

  
• 03.15 22:20:17
  发表了文章 2025-03-15 22:20:17

  Chitu：清华核弹级开源！推理引擎3倍提速+50%省卡，国产芯片告别英伟达绑架

  Chitu（赤兔）是清华大学与清程极智联合开源的高性能大模型推理引擎，支持多硬件适配，显著提升推理效率，适用于金融、医疗、交通等多个领域。

  
• 03.15 22:19:59
  发表了文章 2025-03-15 22:19:59

  MT-TransformerEngine：国产训练核弹！FP8+算子融合黑科技，Transformer训练速度飙升300%

  MT-TransformerEngine 是摩尔线程开源的高效训练与推理优化框架，专为 Transformer 模型设计，通过算子融合、并行加速等技术显著提升训练效率，支持 FP8 混合精度训练，适用于 BERT、GPT 等大型模型。

  
• 03.15 22:19:41
  发表了文章 2025-03-15 22:19:41

  Open-LLM-VTuber：宅男福音！开源AI老婆离线版上线，实时语音+Live2D互动还会脸红心跳

  Open-LLM-VTuber 是一个开源的跨平台语音交互 AI 伴侣项目，支持实时语音对话、视觉感知和生动的 Live2D 动态形象，完全离线运行，保护用户隐私。