AI开源

LLaMA-Omni，与大型语言模型的无缝语音交互，实现GPT-4o级别的语音能力

让我们看看官方演示视频吧！ LLaMA-Omni是基于Llama-3.1-8B-...

Vchitect 2.0，书生蒲语团队发布DiT视频模型书生·筑梦，支持生成20秒长度的视频

让我们看看官方演示视频吧！ Vchitect 2.0，书生蒲语团队发布DiT视频...

Chat With Your Docs，支持与多种文档，如PDF、网页、YouTube视频等进行交互式聊天

ChatWithYourDocs 聊天应用程序是一个 Python 应用程序，可...

开源模型开源项目

Object Cutter，一键去除背景，且支持通过文字或框选来指定保留什么物体

让我们看看官方演示视频吧！ Object Cutter，一键去除背景，且支持通过...

Draw an Audio，通过视频生成音频，音频与视频画面匹配

让我们看看官方演示视频吧！ Draw an Audio，通过视频生成音频，音频与...

Concept Sliders，用于精确控制扩散模型的LoRA，已支持FLUX-1

Concept Sliders，用于精确控制扩散模型的LoRA，已支持FLUX-...

LongCite，针对长上下文的LLM，LLM回答标注引用出处

让我们看看官方演示视频吧！ LongCite是针对长上下文的LLM，把知识库当作...

LongLLaVA，长上下文的视觉多模态模型，能在单个 A100 80GB GPU 上处理近千张图像

LongLLaVA：通过混合架构将多模态 LLMs 1000 张图像。 Long...

SVD Keyframe Interpolation，基于SVD，输入首帧和尾帧，生成连贯的视频

让我们看看官方演示视频吧！ SVD Keyframe Interpolation...

Flux Gym，本地化训练Flux LoRA，最低只需要12G显存

Flux Gym用于训练具有低 VRAM （12GB/16GB/20GB）支持...

开源项目部署

ComfyUI工作流如何下载？ComfyUI如何添加工作流？

上一期我们简单说了说云端部署的ComfyUI预设工作流的使用方法，但是预设的工作...

DeepSeek推出开源的DeepSeek-V2.5，可以在 Web 和 API 上使用

DeepSeek-V2.5通过增强的编写、指令遵循和人类偏好对齐，它可以在 We...