学习

1. 首页
2. 学习

OSUM

OSUM是一款由西北工业大学研发的开源语音理解模型，结合Whisper编码器与Qwen2 LLM，支持语音识别、情感分析、说话者性别分类等多种任务。采用“ASR+X”多任务训练策略，提升模型泛化能力和稳定性。基于约5万小时语音数据训练，性能优异，适用于智能客服、教育、心理健康监测等多个领域。

AI项目与工具 2025年06月12日 46 点赞 0 评论 1018 浏览

MatAnyone

MatAnyone是一款由南洋理工大学S-Lab实验室与商汤科技联合开发的视频抠图框架，专注于复杂背景下人像视频的精准分割。采用一致内存传播和区域自适应内存融合技术，确保视频中目标的语义稳定性和边界细节精度。结合大规模分割数据和优化的训练策略，提升了模型在真实场景下的性能。适用于影视制作、直播、广告、游戏开发等多个领域，具备高精度、强适应性和良好的交互性。

AI项目与工具 2025年06月12日 48 点赞 0 评论 1018 浏览

VQAScore

VQAScore是一种基于视觉问答（VQA）模型的评估工具，用于衡量文本提示生成图像的质量。它通过计算回答“是”概率的方式评估图像与文本提示的对齐程度，无需额外标注，提供更精确的结果。VQAScore支持多种生成任务，包括图像、视频及3D模型，并能作为多模态学习的研究工具，在自动化测试和质量控制中发挥重要作用。

AI项目与工具 2025年06月12日 86 点赞 0 评论 1019 浏览

Learn About

Learn About是一款由谷歌开发的对话式AI学习助手，基于Gemini模型，通过问答形式为用户提供简明答案并引导深入学习。它具备知识点梳理、参考资料推荐、内容大纲生成等功能，覆盖多学科领域，支持多模态学习资源，旨在提升用户的理解深度和学习效率。适合学术研究、备考复习、技能学习、家庭教育及终身学习等多种应用场景。

AI项目与工具 2025年06月12日 31 点赞 0 评论 1019 浏览

CustomCrafter

CustomCrafter是一个由腾讯和浙江大学合作开发的自定义视频生成框架，能够根据文本提示和参考图像生成高质量的个性化视频。该框架支持自定义主体身份和运动模式，具备文本提示生成视频、保留运动生成能力和概念组合能力等功能。其核心技术包括视频扩散模型、空间主题学习模块和动态加权视频采样策略等，广泛应用于影视制作、虚拟现实、游戏开发、广告营销和社交媒体内容创作等领域。

AI项目与工具 2025年06月12日 31 点赞 0 评论 1019 浏览

日日新融合大模型

日日新融合大模型（SenseNova）是商汤科技推出的多模态AI系统，支持文本、图像、视频等多种数据的融合处理，具备强大的深度推理与多模态分析能力。该模型在多个权威评测中表现优异，广泛应用于自动驾驶、视频交互、办公教育、金融、园区管理及工业制造等领域，提升了多场景下的智能化水平。

AI项目与工具 2025年06月12日 88 点赞 0 评论 1021 浏览

Praktika Ai

Praktika Ai是一款沉浸式语言学习应用，利用生成式人工智能头像为用户提供独特而真实的学习体验。它专注于教授英语，并提供广泛的课程和练习主题。

教育学习 2025年06月05日 72 点赞 0 评论 1021 浏览

VideoAgent

VideoAgent是一款基于自改进机制的视频生成系统，结合图像观察与语言指令生成机器人控制视频计划。它采用自我条件一致性方法优化视频质量，通过预训练视觉-语言模型反馈和实际执行数据的收集，持续提升生成效果，减少幻觉内容并提高任务成功率。VideoAgent在模拟环境中有优异表现，并已应用于机器人控制、模拟训练、教育研究、游戏开发以及电影制作等领域，展现出广泛的应用潜力。

AI项目与工具 2025年06月12日 66 点赞 0 评论 1022 浏览

马里兰大学帕克分校

马里兰大学，全称马里兰大学帕克分校（University of Maryland，College Park），简称UMD或UMCP，始建于1856年，坐落于美国马里兰州，马里兰大学系统下的一所公立研究型大学，被誉...

教育学习 2026年11月12日 0 点赞 0 评论 1022 浏览

DualPipe

DualPipe是由DeepSeek开发的开源双向流水线并行技术，通过将前向和反向计算分离为独立管道并行执行，显著提升大规模深度学习模型的训练效率。该技术优化了计算与通信的重叠，降低内存峰值，提高资源利用率，并支持多模态处理、多任务学习等应用场景。适用于需要高效训练和推理的AI系统。

AI项目与工具 2025年06月12日 92 点赞 0 评论 1023 浏览