「世界人工智能开源大赛」共找到 4083 篇相关文章
8.8K Star！真正的本地实时 Whisper 开源神器，彻底干翻云端 STT！
做实时语音转文字系统，上云端 API 贵且隐私难保障，本地跑 Whisper 延迟高。WhisperLiveKit 是专为本地流式语音识别优化的全栈方案，解决了 Whisper 痛点，有极速处理等功能，适用多类项目。
超越谷歌Banana，字节联合香港中文大学等高校开源最强图像编辑生成系统DreamOmni2
香港多高校与字节跳动联合研发的DreamOmni2系统，实现图像编辑与生成领域SOTA。它用三步造出高质量数据，提出索引编码等方案，联合训练模型，实际效果超越部分商业模型，为AI创作带来新可能。
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果研究团队提出Pico - Banana - 400K数据集，基于Nano - Banana在OpenImages实拍照片生成编辑对。其系统化设计保证质量与多样性，还构建自我编辑评估流程，为图像编辑模型训练评测奠定基础。
SemiAnalysis 创始人解析万亿美元 AI 竞争：算力是 AI 世界的货币，Nvidia 是“中央银行”
SemiAnalysis 创始人 Dylan Patel 在访谈中指出，AI 是算力、资金与地缘政治驱动的产业迁徙。算力成新货币，Nvidia 似央行。还谈到 AI 竞争格局、技术路线、算力人才能源问题，以及对传统软件和各玩家的影响。
边打字边出片，交互式生成长视频！英伟达联合MIT开源新SOTA
AI拍长视频不再难！英伟达联合MIT推出LongLive，可实时交互生成流畅画面，解决传统方法卡顿、不连贯等痛点。它能生成15秒到240秒视频，性能达SOTA，还靠三把“钥匙”解决长、顺、快难题。
ICLR神秘论文曝光！SAM3用「概念」看世界，重构视觉AI新范式
2023年Meta推出SAM，后SAM 2扩展到视频分割。近日，SAM 3现身ICLR 2026盲审论文，带来「基于概念的分割」新范式，强调按「语义概念」理解和分割图像，还构建数据引擎提升性能。
谷歌杀入诺奖神殿，两年三冠五得主！世界TOP3重现贝尔实验室神话
2025年谷歌关联科学家再获诺贝尔物理学奖，使其两年内收获三项诺奖、五位得主。此前2024年已有三位相关科学家获奖。谷歌成继贝尔实验室与IBM后，最具「诺奖基因」的科技企业。
阿里重磅开源：端到端VLM文档解析模型，图片直出结构化HTML！
在AI文字识别类应用中，文档解析常不尽人意。阿里开源端到端文档解析模型Logics - Parsing，基于VLM，能图片直出结构化HTML，有统一、智能、精细等亮点，还给出使用步骤。
淘宝上卖9块9的DeepSeek，让我看到了被折叠的魔幻世界。
作者在淘宝搜DeepSeek，花9.9元下单号称无需部署、打开即用的产品，收到的却是360纳米搜索等免费链接。评论区全是好评，反映出信息鸿沟。AI本应打破壁垒，却成壁垒本身。
社区供稿 | 开源SOTA：阶跃发布端到端语音大模型Step-Audio 2 mini！
阶跃星辰发布最强开源端到端语音大模型 Step - Audio 2 mini，在多个国际基准测试集获 SOTA 成绩。它统一建模语音理解等，率先支持语音原生 Tool Calling 能力，架构创新，案例展示其多方面强大能力。