「开源图像生成」共找到 5105 篇相关文章

开源动态7

OpenAI 官方博客:用技能(Skills)加速开源项目维护

OpenAI用Codex改变维护OpenAI Agents SDK仓库方式,通过仓库本地技能、`AGENTS.md`文件和GitHub Actions,将工程工作变为可重复工作流,提升开发效率,还介绍了配置、技能架构及使用注意事项。

宝玉AI
开源动态8

五百行代码打造SOTA视觉智能体!UniPat AI最新开源

多模态大模型代码能力强,但基础视觉任务常失误。UniPat AI推出极简视觉智能体框架SWE-Vision,让模型用代码弥补视觉短板,在五个主流视觉基准测试达最优。该框架设计独特,开源代码和数据已发布。

量子位
开源动态8

蚂蚁出手VLA,就是开源超越Pi0.5的基座模型

当前具身智能落地面临泛化能力不足的挑战,蚂蚁灵波开源发布的基座模型 LingBot-VLA 带来突破。它基于大量真实世界数据预训练,在多项真机任务测试中超越 Pi0.5,且在架构、效率等方面有创新。

机器之心
开源动态8

刚开源几周,一键深挖你的聊天数据宝藏!

这两天在Github发现开源工具`ChatLab`,它把聊天记录变“私人数据库”,支持用 SQL 和 AI 挖掘社交数据价值。具有本地隐私保护、解析性能强等特性,安装简单,适合不同用户。

开源先锋
算法论文7

Veo何止生成视频:DeepMind正在用它模拟整个机器人世界

通用型机器人策略发展带来挑战,传统评估方法有局限,前沿视频模型虽有潜力但面临困难。Google DeepMind团队提出基于Veo的机器人策略评估系统,经实验验证有效,展示了视频仿真评估的可行路径。

机器之心
开源动态8

Meta发布Omnilingual ASR:支持1600+语言的开源语音识别系统

Meta发布全新自动语音识别系统Omnilingual ASR,支持超1600种语言,核心创新是零样本和少样本学习能力,降低小语种语音识别门槛。项目提供不同规模模型,安装调用简单,目前仅支持40秒内音频,数据集和项目均开源。

AI工程化
开源动态8

LeCun预言成真!790年长视频,炼出最强开源「世界模型」

2025年‘世界模型’成AI巨头战场,谷歌、李飞飞团队等纷纷布局。上周北京智源研究院发布Emu3.5,340亿参数,基于790年长视频数据训练,其架构优越,推理快,能力强,还公开技术报告邀全球探索。

新智元
产品应用8

阿里Qwen3一大波更新:代码生成、视频、图片、语音全都有

阿里Qwen3迎来一大波更新,涵盖多个模型。如Qwen3-Max在代码与智能体表现卓越;Qwen3-VL是强大视觉语言模型;Qwen3-Omni是全模态模型;还有图像编辑、同传、安全防护等模型及旅行规划师等应用。

AIGC开放社区
推荐文章7

为什么我坚决投入GEO(生成式引擎优化)?

AI改变流量分配规则,站长竞争焦点从‘排名位置’变为‘被引用率’,GEO应运而生。作者总结了GEO打法,如优化全站、关键页面,做结构化数据增强,还应用于自身产品。

newtype AI
产品应用7

深度长文AI一键生成:实测字节扣子空间新功能

文章实测字节扣子空间新功能,它自比「深度长文写作加速器」。从多方面考验,发现其一键总结方便,写论文、分析社会议题、创作抒情内容等各有表现,适合内容创作,但故事创作表现欠佳。

量子位