最新项目 - 实时追踪最新开源与非开源AI项目

实时追踪最新开源与非开源AI项目，涵盖多模态、推理、生成等热门领域。企业创新与开发者探索，都能在这里找到刚发布的项目。

共 1754 个项目 · 第 120 / 176 页

Meta Motivo - Meta 推出控制数字智能体动作的人工智能模型Meta Motivo 是 Meta 公司推出的AI模型，能提升元宇宙体验的真实性。Meta Motivo基于控制虚拟人形智能体的全身动作，模拟人类行为，增强用户互动。模型采用无监督强化学习算法，特别是FB-CPR算法，用大量动作数据进行预训练，无需额外训练即可执行动作轨迹跟踪、姿势到达等多种任务。AI工具1年前

Phi-4 - 微软开源的14B参数小语言模型，擅长数学等领域的复杂推理Phi-4是微软推出的14亿参数小型语言模型，在数学等领域的复杂推理以及传统语言处理方面表现出色。Phi-4用数据质量为核心训练重点，大量融入合成数据，提升模型在STEM问答和数学竞赛问题上的表现。Phi-4引入新的训练范式midtraining，增强长文本处理能力，窗口长度可达16K。AI工具1年前

Change Clothes AI - AI虚拟试穿平台，30-60秒内完成换衣Change Clothes AI是在线AI虚拟试穿平台，基于深度学习算法分析用户上传的照片和服装图像，快速生成用户穿着新服装的逼真图像。平台支持用户在购买前预览服装效果，消除在线购物的不确定性。用户上传一张清晰的个人照片和服装照片，AI在30-60秒内完成换衣过程。AI工具1年前

千影 QianYing - 巨人网络推出的有声游戏生成大模型千影 QianYing是巨人网络推出的有声游戏生成大模型，包含游戏视频生成大模型YingGame和视频配音大模型YingSound。YingGame面向开放世界游戏，是巨人网络AI Lab与清华大学SATLab联合推出的，能实现角色多样动作交互控制和物理仿真特性，与YingSound结合可生成匹配画面的复杂音效。AI工具1年前

SynCamMaster - 快手联合浙大、清华等机构推出的多视角视频生成模型SynCamMaster是浙江大学、快手科技、清华大学和香港中文大学的研究人员共同合作推出的全球首个多视角视频生成模型，能结合6自由度相机姿势，从任意视点生成开放世界视频。SynCamMaster增强了预训练的文本到视频模型，确保不同视点的内容一致性，支持多摄像机视频生成。AI工具1年前

Patchwork - Midjourney 推出的多人协作 AI 虚拟世界构建工具Patchwork 是 Midjourney 推出的创新性多人协作世界构建工具，支持用户在一个无限的画布上共同创作和构建虚拟世界。结合了AI图像生成技术和实时协作功能，支持多达100名用户同时在线操作，创作者能轻松地设计角色、地点、事件等元素。AI工具1年前

Project Mariner - 谷歌推出的浏览网站智能体，能帮用户操作表格、在线购物Project Mariner 是谷歌 DeepMind 推出的浏览器助手。Project Mariner基于 Gemini 2.0 技术，用 Chrome 扩展程序实现浏览器自动化，理解和执行网页任务。Project Mariner能理解和推理浏览器屏幕上的信息，包括像素和网页元素，基于 Chrome 扩展程序使用这些信息完成任务。Project Mariner 能控制 Chrome 浏览器、移动屏幕上的光标、点击按钮和填写表格，像人类一样使用和浏览网站。AI工具1年前

MMAudio - 基于多模态联合训练实现高质量 AI 音频合成项目MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的音频与视频帧精确匹配，实现高度同步。AI工具1年前

书生·万象InternVL 2.5 - 上海 AI Lab 开源的多模态大语言模型系列书生·万象InternVL 2.5是上海AI实验室的OpenGVLab团队推出的开源多模态大型语言模型（MLLM）系列。该系列模型在InternVL 2.0的基础上进行显著增强，特别是在训练和测试策略及数据质量方面。AI工具1年前

Gemini 2.0 - 谷歌推出的原生多模态输入输出 + Agent 为核心的AI模型Gemini 2.0是谷歌最新推出的原生多模态输入输出的AI模型。Gemini 2.0 Flash是2.0家族第一个模型，以多模态输入输出和Agent技术为核心，速度比 1.5 Pro快两倍，关键性能指标超过 1.5 Pro。模型支持原生工具调用和实时音视频流输入，提供文本、音频和图像的集成响应，具备多语言音频输出能力。AI工具1年前