AI 中文社
models 标签，匹配到约168个结果, 耗时0.0339秒
阿里通义开源旗下首个音频生成模型 ThinkSound：可像“专业音效师”一样思考
ThinkSound 首次将 CoT（Chain-of-Thought，思维链）应用到音频生成领域，让 AI 学会一步步“想清楚”画面事件与声音之间的关系，从而实现高保真、强同步的空间音频生成 —— 不只是“看图配音”，而是真正“听懂画面”...
2025-07-04
·
浏览78次
中国科学院科学家首次证实：大语言模型能像人类一样“理解”事物
中科院自动化所团队结合多方法研究，首次证实多模态大语言模型能形成类似人类的物体概念表征。成果登《自然・机器智能》，还对比了大模型与人类决策特点。#大模型概念理解 ##人工智能新突破#...
2025-06-11
·
浏览126次
阿里开源 Qwen3 新模型 Embedding 及 Reranker，带来强大多语言、跨语言支持
官方表示，在多项基准测试中，Qwen3-Embedding 系列在文本表征和排序任务中展现了卓越的性能。...
2025-06-06
·
浏览248次
爆火AI编程Windsurf突遭Claude全面断供，开发者大量退订！直接打脸OpenAI
爆火AI编程Windsurf突遭Claude全面断供，开发者大量退订！直接打脸OpenAI...
2025-06-04
·
浏览167次
DeepSeek-R1-0528 更新官方详解：思考更深、推理更强，整体表现接近 o3
DeepSeek R1 模型昨日宣布完成小版本升级，当前版本为 DeepSeek-R1-0528。用户通过官方网站、App 或小程序进入对话界面后，开启“深度思考”功能即可体验最新版本。API 也已同步更新，调用方式不变。...
2025-05-30
·
浏览481次
B站团队开源动漫视频生成模型 AniSora，一键创建不同风格片段
AniSora 能够一键创建多种动漫风格的视频片段，包括系列剧集、中国原创动画、漫画改编、VTuber 内容、动漫 PV 和鬼畜动画等。...
2025-05-18
·
浏览206次
OpenAI 升级 ChatGPT AI 聊天机器人，GPT-4.1 编程专家模型登场
OpenAI 官方账号在 X 平台发布推文，宣布将于昨日（5 月 14 日）开始，在 ChatGPT AI 聊天机器人中，引入 GPT-4.1 模型。...
2025-05-15
·
浏览152次
阶跃星辰开源 3D 大模型 Step1X-3D，可生成高保真、可控的 3D 内容
上周阶跃星辰发布了音跃模型 ACE-Step，今天该公司又正式发布并开源 3D 大模型 ——Step1X-3D，这是继图像、视频、语音、音乐等模态后，阶跃星辰在多模态方向的最新成果。Step1X-3D 模型总参数量达 4.8B（几何模块 1...
2025-05-14
·
浏览151次
阶跃星辰开源图像编辑模型 Step1X-Edit：身份一致性保持、区域级控制
该模型总参数量为 19B，具备语义精准解析、身份一致性保持、高精度区域级控制三项关键能力；支持 11 类高频图像编辑任务类型，如文字替换、风格迁移、材质变换、人物修图等。...
2025-04-27
·
浏览155次
Anthropic CEO豪言LLM黑箱5年内必破！研究员爆料：AI有意识概率已达15%
Anthropic CEO豪言LLM黑箱5年内必破！研究员爆料：AI有意识概率已达15%...
2025-04-25
·
浏览171次
Adobe 挑战 OpenAI，安卓 / iOS 版 AI 生图工具 Firefly 蓄势待发
CNBC 昨日（4 月 24 日）发布博文，报道称 Adobe 公司为更有力挑战 OpenAI，计划推出移动版 AI 图像生成工具 Firefly。...
2025-04-25
·
浏览171次
业界首个，阿里通义万相“首尾帧生视频模型”开源
它可根据用户指定的开始和结束图片，生成一段能衔接首尾画面的 720p 高清视频，此次升级将能满足用户更可控、更定制化的视频生成需求。...
2025-04-18
·
浏览165次
合成数据助力视频生成提速8.5倍，上海AI Lab开源AccVideo
虽然扩散模型在视频生成领域展现出了卓越的性能，但是视频扩散模型通常需要大量的推理步骤对高斯噪声进行去噪才能生成一个视频。...
2025-04-15
·
浏览71次
无痛提升文本对齐！无分类引导新范式CFG-Zero*火了，支持Diffusers/ComfyUI
无痛提升文本对齐！无分类引导新范式CFG-Zero*火了，支持Diffusers/ComfyUI...
2025-04-11
·
浏览165次
