努力犯错玩AI

你是否想过用AI将静态图片转化为生动的动态视频，却苦于高昂的硬件门槛和复杂的操作流程？FramePack——这项由ControlNet作者张吕敏与Maneesh Agrawala团队联合开发的开源技术

DeepSeek-Prover-V2是由中国深度求索（DeepSeek）团队推出的开源数学推理大模型，包含6710亿参数（671B）和70亿参数（7B）两个版本。该模型专攻数学形式化证明，支持将自然语

昆仑万维开源了全球首个基于扩散强迫框架（Diffusion-forcing）的无限时长视频生成模型——SkyReels-V2。这一模型以总分83.9%的优异成绩登顶权威评测V-Bench1.0榜单，并

字节跳动豆包大模型团队最新开源的 UI-TARS-1.5-7B，是一款基于视觉-语言模型（VLM）构建的多模态智能体。它不仅能理解屏幕内容，还能像人类一样“思考-行动”，精准操作电脑、手机和浏览器，甚

想象一下，只需要一个AI模型，就能轻松实现逼真的虚拟试衣，还能将多个不同物体、人物无缝融合到一张全新的图片中，听起来是不是很酷？现在，这已成为现实！字节跳动智能创作团队震撼开源了其最新的图像生成模型—

向大家介绍一款全新的开源OCR模型——RolmOCR！这款由Reducto AI团队基于阿里巴巴强大的Qwen2.5-VL-7B-Instruct视觉语言模型微调而来的利器，不仅在速度和效率上实现了显

2025年4月，上海人工智能实验室（Shanghai AI Lab）正式开源了第三代多模态大模型InternVL3。这一模型系列以1B到78B全量级参数覆盖、七大应用场景突破和原生多模态预训练架构三大

人工智能（AI）的浪潮正在席卷各个领域，音乐创作也不例外。从简单的旋律生成到复杂的乐曲编排，AI展现出了惊人的潜力。然而，要生成具有深度、结构和情感的高质量古典音乐，一直是一个巨大的挑战。今天，我们将

我们要聊一个足以让语音合成领域为之震动的消息——Spark-TTS 0.5B 模型的震撼发布！ 这不仅仅是一款新的开源工具，它凭借低至 0.04 的实时因子（RTF）和媲美真人的音质，正宣告着开源文本