AI开源项目

站在技术前线说句公道话，SFR-RAG把RAG技术的faithfulness（忠实度）指标提升到了新高度。虽然参数规模不算顶流，但这种以精度换规模的做法，倒是给吃算力吃到吐的AI行业吹来一阵清风。

北京人工智能研究院多任务扩散模型开创者，支持文本/图像/指令混合输入的跨模态创作引擎

当技术审美遇上算法创造力，虚拟世界的时尚革命早已悄然揭幕。

清华THUDM开源的多模态视频理解模型，为视频内容提供专家级文本描述

Lepton Search是一个开源的对话式搜索引擎，开发者可用不到500行代码快速构建类Perplexity的AI驱动搜索工具，支持谷歌/Bing并集成RAG技术。

IP-Adapter：无需代码就能实现的跨模态AI图像生成方案

为创意工作者量身打造的智能文本渲染神器

阿里巴巴最新推出的图像转视频AI系统，通过级联扩散模型实现高清动态画面生成

这款由美图视觉实验室打造的AI视觉引擎，正重新定义数字时代的美学生产力工具。

让尘封的影像重获新生，DDColor开启智能着色新时代

开源多模态训练领域的里程碑式资源库

在视频创作中实现精准定位的手绘动画跟踪技术

京东开源的智能数字人生成器，实现中英文双模态视频生成与精准唇形同步

专业级视觉语言处理 消费级硬件需求 多模态文档转换 科研效率工具 工业级物体识别

嘿，你见过能考57门专业课的AI吗？MMMLU这个神奇的数据集就能让语言模型参加"多国联考"，而且还是用14种语言！作为开放科学社区最火爆的测评工具，它正在帮全球研究者突破AI的认知边界。

Meta V-JEPA通过非生成式预测突破视频理解瓶颈，以自监督学习实现类人推理能力

专治各类视频顽疾的AI外科医生

通过姿势与文字的双重指引生成可编辑风格化视频

用一句话总结：基于十亿级参数的时空Transformer模型，Snap Video开创了文本驱动的高质量视频生成新范式

端到端OCR模型革新文字识别全流程

无需微调即可实现跨图像主题一致性的革命性AI生成技术

精准控制每帧镜头语言与物体轨迹的视频控制框架

用AI重新定义视频创作流程的视频智能剪辑神器

通过单张图像快速生成高精度3D网格，满足影视/游戏/电商等多领域建模需求

全球首个支持个性化数字分身定制的开源AI写真平台

多模态大语言模型领域的开源革命者，用结构对齐技术实现视觉与语言的精准对话

突破传统的声音转换工具，提供开源免费的AI声纹克隆解决方案

通过Coze API快速搭建微信AI聊天机器人的一键部署方案

通过可编辑landmark技术与多模态训练策略，EchoMimic实现了影视级人像动画生成，是AIGC视频赛道的革新者

由字节跳动Seed团队开发的AI图像编辑工具，实现基于自然语言的多轮高精度图像修改