Posts

StarVector 是一个专为 SVG 向量图形生成 设计的基础模型，其目标是： > 用大模型（VLM）从图像或文本中理解语义结构，并自动生成标准可编辑的 SVG代码，适用于图标、技术图、LOGO、表情等。 也就是将 SVG 矢量图的生成转化为“代码生成任务”，支持从图像或文本生成高质量

Canopy Labs 发布了 Orpheus Speech，这是一个高质量的 AI 语音合成（TTS）模型，旨在提供接近人类的情感化语音生成。 它是首个开源且可生产使用的 TTS 语言模型（Speech-LLM），在情感表达、实时流式生成和零样本语音克隆方面超越现有模型。 Orpheus

NVIDIA推出的Isaac GR00T N1，这是一个开源的通用人形机器人基础模型，旨在加速人形机器人在现实世界中的开发和应用。它结合了预训练模型、合成数据生成蓝图和仿真框架，帮助开发者构建能够适应多种任务和环境的机器人。 GR00T N1 是一个端到端的神经网络，从光子到动作： - 视

Thera 是 首个内置物理观察模型（Physical Observation Model）的超分辨率方法，能够在 任意缩放倍率下无锯齿（Aliasing-Free）地增强图像质量。 它可以把 低分辨率的图片放大成高清图片，同时 不会产生模糊或锯齿。核心技术是 神经热场（Neural Heat

R1-Omni 是什么？ R1-Omni 是一种全模态（Omni-Multimodal）的大语言模型（LLM），专注于情感识别任务，能够从 视频、音频、文本 中综合分析人物的情感状态。 由阿里巴巴通义实验室开发。 这是首个结合视觉（视频）和音频信息，将强化学习（RL）和可验证奖励机制（

LoRA（Low-Rank Adaptation）是一种 AI 微调技术，能够让大模型在 低计算成本 下快速适配特定任务，比如 图片到视频（Image-to-Video, I2V）。 Remade-AI 通过 LoRA 适配，发布了 8 个独特的视频特效，可以 让静态图像动起来，并且适用于 AI

AI21 发布了 Jamba 1.6开源模型，特别适用于企业私有部署。Jamba 1.6 在模型质量、长上下文处理能力、部署灵活性等方面超越Mistral Large 2、Llama 3.3 70B、Command R+，同时可支持完全私有部署，确保企业数据安全。 优势特点 ✅ Jamba

X 用户@jianxliao 声称他通过简单地请求 Manus AI 提供其位于“/opt/.manus/”的内部文件，AI 直接提供了这些文件，包括其沙箱运行时代码。他随后列出了几个关键发现： - Manus AI 实际上基于 Claude Sonnet（Anthropic 开发的 AI 模

MeshPad 是一款新型的 3D 网格生成和编辑工具，用户可以通过手绘草图（sketch）直接生成和修改 3D 模型。 它可以让你像画画一样简单地生成 3D 形状，并且随时修改，不需要专业 3D 建模技能。 该方法将 3D 网格编辑拆分为**“添加”（Addition）和“删除”（Dele

Google 发布Google CameraTrapAI 开源项目，利用人工智能（AI）保护和恢复自然环境，应对生物多样性丧失和气候变化的紧迫挑战。 🌱 地球的生物多样性正面临严重威胁 - 自 1970 年以来，全球的哺乳动物、鸟类、鱼类、爬行动物和两栖动物减少了 73%。 - 气候