DeepSeek-OCR – DeepSeek团队开源的视觉语言模型
DeepSeek-OCR是什么 DeepSeek-OCR是深度求索团队在2025年最新开源的视觉语言模型，专门用来解决文档识别的痛点。简单说，它就是给电脑装上了一双“火眼金睛”，能快速准确地从图片中提...
排序
LLaVA-OneVision-1.5 – EvolvingLMMS-Lab开源的多模态模型
LLaVA-OneVision-1.5：开源多模态AI新星 在人工智能遍地开花的2025年，能让机器真正“看懂”图片并流畅对话的技术越来越受关注。LLaVA-OneVision-1.5就是这样一个开源...
新Kandinsky 5.0 – 俄罗斯AI-Forever开源的视频生成模型
🎬 Kandinsky 5.0是什么 想用几句话就生成一段视频？俄罗斯AI实验室AI-Forever开源的Kandinsky 5.0就能做到。这个文本到视频模型堪称“文字魔法师”，输入描述就能产出5到...
新Youtu-Embedding – 腾讯优图开源的通用文本嵌入模型
🔍 Youtu-Embedding是什么 腾讯优图实验室推出的Youtu-Embedding，是一款专为企业场景设计的开源文本嵌入模型。简单来说，它就像给计算机装上了“理解文字”的超能力——能把任何句...
NeuTTS Air – Neuphonic开源的语音合成模型
NeuTTS Air：离线语音合成的革命性突破 在AI技术飞速发展的今天，语音合成早已不是新鲜事。但大多数TTS工具都依赖云端服务，不仅需要网络连接，还存在隐私泄露风险。Neuphonic公司推出的N...
Paper2Video – 国立大学推出的学术论文生成演示视频项目
Paper2Video是什么 想象一下，你刚写完一篇学术论文，现在需要制作演示视频——传统方式得花几天时间做PPT、写讲稿、录音剪辑。新加坡国立大学Show Lab推出的Paper2Video项目，正...
Caesr – AI自动化Agent，模拟人类操作设备
还在为重复性电脑操作头疼？Caesr这款AI自动化工具，能像真人一样帮你操作电脑、手机和网页。它通过视觉识别技术自动点击按钮、填写表单，无需任何编程基础，就能轻松搞定软件测试、数据处理等任务，特别适合...
AladdinEdu – 九章云极推出的GPU算力服务平台
AladdinEdu是什么 AladdinEdu是九章云极专门为高校和科研机构打造的高性能GPU算力服务平台。它就像一个“随叫随到”的超级计算机，帮你轻松搞定大模型训练、AI开发这些耗资源的任务。不用...
新Get Jobs – 开源的AI简历投递工具，支持多平台投递
在竞争日益激烈的求职市场中，Get Jobs作为一款开源的AI简历投递工具，正悄然改变传统求职方式。它能自动在Boss直聘、猎聘、拉勾等主流招聘平台批量投递简历，通过智能匹配和个性化互动，帮助用户高效...
新MAI-Image-1 – 微软推出的首款自研图像生成式AI模型
MAI-Image-1是什么 微软终于亮出自家首张AI图像生成王牌——MAI-Image-1。这款自研模型专为内容创作者量身打造，能根据文字描述快速生成逼真的自然光照和复杂场景。想象一下，输入"暴风雨...