– 2023年，越来越多的开发者开始使用AI技术，同时也尝试构建基于AI的应用程序。 – 基于OpenAI等公司的基础模型的生成性AI项目数量激增，其中一些项目甚至进入了最受欢…

TrailBlazer是英伟达的一个预训练好的模型，只需输入文本即可生成视频。 同时他们提出一个边界框的概念，来控制视频对象的运动方向、速度和行为。 例如，你可以通过改变边界框的大小、方向，让视频中的…

Perplexity公布了一些数据： – Perplexity 的月活跃用户增长到了1000万 – 2023年，Perplexity处理了超过5亿次查询 – 超过1…

该项目由阿里巴巴开发，AnyText支持在图像中生成和编辑多种语言的文本，使其与背景无缝融合。 该模型还解决了合成文本中模糊、不可读或错误字符的问题。 AnyText可以与现有的扩散模型集成，用于准确…

它可以将一个人的歌声转换成另一个人的歌声。同时能够保持了声音的自然度和真实感。 最牛P的是CoMoSVC实现了一步采样。意思是它可以在单次操作中即可完成声音的转换，大大加快了处理速度。 该项目由香港大…

它可以从多人对话中语音中生成与对话相对应的逼真面部表情、完整身体和手势动作。 这些生成的虚拟人物不仅在视觉上很逼真，而且能够准确地反映出对话中的手势和表情细节，如指点、手腕抖动、耸肩、微笑、嘲笑等。 …

The Information 报道，两名与OpenAI 谈判的媒体高管透露，OpenAI已经向一些媒体公司开出了每年 100 万-500 万美元，以获得将新闻内容用于训练自家大语言模型的授权许可。 …

由坦福大学开发，专门设计用于执行需要双手和全身协调的复杂移动任务。 可以通过模仿学习（即观察人类操作然后模仿这些动作），仅通过50次任务演示，共同训练，它就能够自主完成日常生活中的各种任务。 如做饭、…

能根据音频让人物头像照片说话、唱歌同时保持嘴型和表情一致。 GitHub：https://github.com/ali-vilab/dreamtalk HuggingFace：https://hugg…

VCoder的一个视觉编码器，能够帮助MLLM更好地理解和分析图像内容。提高模型在识别图像中的对象、理解图像场景方面的能力。 它可以帮助模型显示图片中不同物体的轮廓或深度图（显示物体距离相机的远近）。…

可以帮助你撰写和保存日记条目，记录你的思考和经历，当备忘录也可以！ 内置了OpenAI 的API功能，可以自己写提示词让AI帮你扩展你的想法和日记。 还可以使用AI来搜索日记内容或对整个日记提出问题。…

该模型由腾讯与新加坡国立大学开发，M2UGen能够理解各种音乐，包括风格、演奏乐器、表达的情绪情感等，并进行音乐问答。 而且还能根据文本、图像、视频和音频生成各种音乐，同时对生成的音乐也能理解并根据文…

LARP能让游戏角色像真人一样和玩家对话，同时能够理解游戏中复杂的情境、记住过去的互动。并根据这些信息做出合理的反应。 它能让游戏角色的行为更加真实和有深度，从而提升玩家的游戏体验。 LARP的工作原…

由MyShell TTS开发。它能够仅使用一小段参考发言者的音频片段来复制其声音，然后能生成多种语言的语音。 OpenVoice能对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，同时能够复制参…

SSR-Encoder能够提取图像中的多种特征，包括人物、视觉元素、风格、情感和细节等 然后它会利用提取的这些特征再结合文字提示，重新生成新的图像。 比如你看到一张照片，觉得它某一部分很好，就可以指定…

目前的图像生成模型，再生成图像方面已经非常出色，但在生成人类手部的图像时却常常出现问题，比如手指数量不对或者手形怪异。 HandRefiner提出一种方法，在不改变图片其他部分的情况下，修正那些形状不…

2023年50个访问量最大的AI工具及AI行业分析报告 Writerbuddy AI使用 SEO 行业著名的工具SEMrush，通过抓取AI工具数据，研究了3000多种 AI 工具。 从中选出了访问量…

你只需要通过iPhone随便拍摄一段大约5分钟的视频。它会用视频将用来捕捉你的外貌、动作和可能的表情。 然后克隆一个虚拟的你！ 最牛的是它可以将PPT、PDF文件直接转换成解说视频，只需两次点击操作即…

GPT Pilot 一个真正的AI程序员，它可以从零开始构建整个应用程序，它能自己编写代码、配置开发环境、管理开发任务、调试代码，你还可以随时和它聊天提问帮助你解决开发难题。 你只需要在一旁监督开发过…

比如，你想知道“如何做蛋糕”，只需在这个网站上输入这个问题，它就会找到相关的视频来帮你解答。 更牛P的是，你还可以跟视频进行对话，就像跟一个人聊天一样，还能帮你总结视频内容。 最牛P的是他把这个项目开…