「开源图像生成」共找到 5105 篇相关文章
大语言模型逻辑评估
现有归因问答评估方法有‘归因短视’问题,研究团队提出 LOGICSCORE 框架,从三维度量化推理质量。在多数据集测试多款 LLM,发现专有、开源模型等存在不同逻辑问题,还分析典型逻辑错误。
AIME'25满分炸场!Qwen一波七连发,全家桶大更新
云栖大会上,通义团队成果丰硕。Qwen3-Max性能提升,数学评测满分,多测试成绩优异;Qwen3-VL、Qwen3-Omni等开源,各有亮点;Qwen3-Coder升级。吴泳铭称要发展超级人工智能。
首发丨手机的『魔法挂件』,实测钉钉dingtalk A1,有用的好帮手
2025年基于大模型的AI硬件焕发生机,钉钉dingtalk A1是其中代表。它厚度仅3.8mm,使用方便,具备会议录音转写、纪要生成、通话分析等功能,还能用于学习和生活场景。
精准复刻!字节推出X-UniMotion实现高精度动作模仿合成
字节推出的X-UniMotion代表角色动画技术突破,提供统一运动控制系统,融合先进算法与操作界面,构建强大技术架构,能生成自然流畅角色动作,还介绍了其技术原理、演示对比等内容。
OpenAI华人AI大牛集体跳槽Meta!清华北大浙大中科大校友各一位,多模态后训练、感知团队负责人全走了
扎克伯格从奥特曼手里挖走4名OpenAI华人顶尖AI人才,包括中科大、浙大、清华、北大校友各一位。OpenAI或提高薪酬留人,人才争夺战成本升高,这也是开源与闭源阵营的交锋。
Memvid:把你的文档库变成一个小巧的视频,还能瞬间搜出你想要的!
传统向量数据库因高成本和复杂运维让开发者却步。开源项目Memvid将文本数据存入视频文件,能高效检索,解决存储冗余、检索延迟和网络依赖问题,使用简单,虽处概念原型阶段但值得尝试。
在线教程丨覆盖40种语言/处理1小时录音,英伟达开源Nemotron 3.5 Transcribe,实现指令控制的语音识别、翻译与音频问答
英伟达开源多功能语音模型 Nemotron 3.5 Transcribe,支持通过指令生成逐字稿、翻译及音频问答,覆盖 40 种语言,最长可处理约 1 小时录音。
n8n、扣子太难用了,Vibe Workflow 才是更大众的解
本文介绍 Refly.AI 推出的 Vibe Workflow,该产品获朱啸虎、高瓴投资且开源。它让普通人搭 Workflow,用 Agent 节点替代传统节点,降低门槛,还能迁移其他平台数据,核心是借模型提升发展。
2.8K Star!基于Nano Banana Pro的Vibe PPT神器!
GitHub上的banana - slides项目很火,近一周涨2K+ Star。它是基于Nano Banana Pro的Vibe PPT生成工具,不强调套模板,能将想法、氛围和内容结构转成幻灯片,还具备多种强大功能。
硅谷8巨头夜会遭「宿管阿姨」驱散?AI造假首次让「肉眼死亡」
新智元报道,一张谷歌Nano Banana Pro生成的AI合影疯传,效果乱真。该模型在LMArena榜单屠榜,玩法多样,如按坐标出图等。谷歌全栈优势明显,OpenAI感受到压力正酝酿反击。