阿里通义音频生成大模型 FunAudioLLM
该项目包括两个核心模型: SenseVoice和CosyVoice，分别致力于语音生成和语音识别。FunAudioLLM支持多种人机交互应用场景…
栏目
开源项目
关于AI相关开源项目，附带项目代码地址
218
篇内容
快手文生图大模型“可图”宣布开源，现已上线微信小程序和网页版
快手“可图”大模型于今年 5 月对外开放，目前已经上线网页版和微信小程序，支持文生图和图生图两类功能，可用于 AI 创作图像以及 AI 形象定制…
一款使用AI来解析PDF的开源工具：gptpdf
1、使用 PyMuPDF 库，对 PDF 进行解析出所有非文本区域，并做好标记 2、使用视觉大语言模型（如 GPT-4o）将 PDF 解析为 m…
微软在官网开源了基于图的RAG（检索增强生成）——GraphRAG
通过构建知识图谱来增强大模型的搜索、问答、摘要、推理等能力。Graph RAG的核心是通过两阶段构建基于图谱的文本索引，帮助大模型更好地捕捉文本…
完美支持中英日语言的开源TTS模型来了：Fish Speech
Fish Speech是一个开源的TTS模型，支持中英日语言，语音处理接近人类水平。模型使用约十五万小时的三语数据训练，对中文支持非常完美。 项…
腾讯发布了一个根据图片生成跳舞视频的项目MimicMotion
该研究提出了一种名为MimicMotion的可控视频生成框架，可以生成任意长度的高质量视频，并具有自信的姿势引导。该方法结合了图像到视频扩散模型…
Dify-FeiShu-bot：可以非常方便的支持利用Dify接入飞书搭建飞书机器人
Dify-FeiShu-bot是一个使用python FastAPI框架编写的后端，可以非常方便的支持利用Dify接入飞书搭建飞书机器人，并且充…
Google 开源了 Gemma 2 的 9B 和 27B 版本，同时Gemini 1.5 Pro 上 200 万 Token 上下文向所有开发者开放
Gemma 2是一款高性能的AI模型，具有出色的推断效率和成本效益。通过优化的架构设计，Gemma 2在27B参数规模下表现出色，提供了与两倍大…
图片高清修复模型AuraSR开源，可放大4倍并补充细节
AuraSR 是基于 GAN 的 Super-Resolution 模型，通过图像条件化增强技术，提升生成图像的质量。该模型采用 GigaGAN…
免费的开源ChatGPT克隆版:LibreChat
LibreChat，它不仅支持多种AI模型，还提供了灵活的自定义选项，解决了多AI模型整合和切换的问题。 LibreChat是一个开源的聊天平台…