OpenAI公开了AI视频生成（文生视频）模型Sora，它可以创建长达 60 秒的视频，其中包含高度详细的场景、复杂的摄像机运动和具有生动情感的多个角色。以下是介绍： 模型介绍： 功能特点： Sora能够创建包含多个角色、特定运动动作以及细腻主题和背景细节的复杂场景。它不仅能解析文本说明，还能深刻理解这些元素如何在物理... 阅读全文

Google推出新一代模型Gemini 1.5，该模型在处理能力和跨模态理解上取得显著提升。该模型具有惊人的100万个token的上下文理解能力，成为目前市场上最强大的模型之一。 主要特点： 超强的上下文处理：Gemini 1.5可以处理高达100万个token的连续信息，为大型基础模型设立了最长的上下文窗口记录。 跨... 阅读全文

来自上海人工智能实验室、华东师范大学、普林斯顿大学、香港大学的研究人员推出智能代理框架OS-Copilot，它旨在构建能够与操作系统（OS）中各种元素交互的通用计算机代理。这些代理能够处理网络、代码终端、文件、多媒体以及各种第三方应用程序。OS-COPILOT框架的核心是创建了一个名为FRIDAY的自改进实体代理，用于... 阅读全文

美国国家生物技术信息中心（NCBI）开发推出医疗大模型GeneGPT（基因GPT） ，旨在通过结合大语言模型（LLMs）和国家生物技术信息中心（NCBI）的Web API，来提高对生物医学信息的访问效率和准确性。GeneGPT的核心功能是帮助用户通过自然语言处理（NLP）技术，更轻松地解答与基因组学相关的问题。具体来说... 阅读全文

AgentKit 是由 BCG X 开发的一款 LangChain / FastAPI / Next.js14 工具包，用于构建 Agent。开发人员可以使用 AgentKit 快速构建高质量、可扩展至生产级应用的 Agent 应用。 AgentKit 的主要优势包括： 🚀 快速构建高质量 Agent 应用：模块化、易... 阅读全文

之前给大家介绍过《视觉模型大比拼Vision Arena》，今天再给大家推荐一个AI绘画模型竞技场GenAI-Arena ，这个项目就是借鉴Vision Arena，在竞技场你可以测试并比较不同的图像生成模型（例如，在文本引导的图像生成模型中的LCM、SDXL、SDXL-turbo，以及在文本引导的图像编辑模型中的Ma... 阅读全文

全球每天有数百万人使用AI聊天机器人，这些机器人由基于NVIDIA GPU的云服务器提供支持。如今，这些创新性的工具搭载NVIDIA RTX，为本地Windows PC用户带来快速、定制化的生成式AI体验。「Chat With RTX」是一款可免费下载的技术演示软件，允许用户根据自己的内容个性化定制聊天机器人。通过搭载... 阅读全文

在这个信息爆炸的时代，我们每天都在与大量的视频内容打交道。有时，我们可能更需要文字版的摘要来快速了解视频内容。Podstellar 是一款基于AI的视频转录工具，它能在短短三分钟内将YouTube视频转化为文字，并生成简洁的摘要或逐字稿。这意味着，用户只需复制YouTube视频的链接，粘贴到Podstellar的相应位... 阅读全文

作为一款广受赞誉的跨平台免费开源音频编辑软件Audacity，因其开放源码的特性吸引了全球开发者共同参与改进与创新。近期，英特尔为Audacity用户推出了一款专为音乐编辑和播客制作人打造的免费OpenVINO AI插件包，该插件在Intel的GitHub页面上提供下载，大小约为2GB，并且要求运行环境为64位Wind... 阅读全文

Keras-llm-robot Web UI基础代码继承自 Langchain-Chatchat项目底层架构使用Langchain和Fastchat等开源框架，顶层使用streamlit实现。本项目完全开源，目标是可离线部署和测试Huggingface网站上的大部分开源模型，并且可以通过配置将多个模型组合起来，实现多模... 阅读全文

美国AI语音初创公司 ElevenLabs革新配音行业，你的声音也可以赚钱了！现在只需在ElevenLabs旗下的VoiceLab上传30分钟个人音频样本，即可创建并分享您的专属AI声音模型至ElevenLabs的声音库，并在用户使用时获得收益。操作步骤非常简单： 登录VoiceLab页面，上传至少30分钟的高质量音频... 阅读全文

在科技日新月异的今天，各种视觉语言模型（VLMs）如GPT-4V、Gemini、Llava、Qwen-VL等层出不穷，它们各具特色，各有千秋。但究竟哪个模型更胜一筹呢？一个专为视觉模型打造的竞技场Vision Arena在Hugging Face上线。你可以轻松测试并比较不同的视觉模型。更激动人心的是，你可以同时测试两... 阅读全文