深度解析主流AI加速架构：CUDA、ROCm与CANN的技术演进与对比
英伟达CUDA凭借20年技术沉淀构建了全球最大的AI开发者生态，AMD ROCm通过开源协议与跨平台兼容性开辟差异化路径，华为CANN则依托自主硬件体系与软硬协同优化实现国产化突围...
AI绘图软件(Fooocus)安装及使用方法详解
Fooocus 作为一款开源、本地化部署的AI图像生成软件，凭借其简洁直观的界面和强大的图像生成能力，迅速在创作者中掀起热潮。它脱胎于Stable Diffusion技术体系，却以“开箱...
DiaMoE-TTS：巨人网络联合清华大学开源的跨方言语音合成框架，支持 11 种方言与多语言兼容
DiaMoE-TTS 是由巨人网络联合清华大学开发的开源多方言文本到语音（TTS）框架，该框架基于 F5-TTS 架构扩展，通过统一国际音标（IPA）前端实现跨方言语音表示标准化，结合混...
Kandinsky 5.0：ai-forever推出的开源视频/图像生成工具，轻量版性能居同类开源模型第一
Kandinsky 5.0是由ai-forever团队开源的扩散模型家族，核心聚焦视频生成（图像生成待上线），已开源的Kandinsky 5.0 T2V Lite（2B参数）在同类开源模型中排名第一，不仅优于...
dInfer：蚂蚁集团推出的扩散语言模型专用高性能推理框架
dInfer 是蚂蚁集团开源的针对扩散语言模型（dLLMs）的高效可扩展推理框架，该框架通过模块化设计将推理流程拆解为模型、扩散迭代管理器、解码策略、KV 缓存管理四大组件，支...
Androidify：Google开源的 Android 机器人形象定制与 Wear OS 表盘同步工具
Androidify 是一个由 Google推出的开源示例应用，展示了如何将 Gemini API、Firebase AI Logic SDK、Jetpack Compose、CameraX、Media3 以及 Wear OS 联动等现代 Android 技...
ReplaceAnything：阿里巴巴开源的多场景 AI 超高质量内容替换工具
ReplaceAnything 是由阿里巴巴集团智能计算研究所（Institute for Intelligent Computing, Alibaba Group）开发的超高质量内容替换开源项目，核心目标是为用户提供 “所想即...
Ming-UniAudio：开源统一语音处理框架，支持语音理解、生成与编辑的端到端模型
Ming-UniAudio是一个创新的开源框架，旨在统一语音理解、生成和编辑任务。通过基于VAE框架和因果Transformer架构的统一连续语音tokenizer（MingTok-Audio），它能够有效整合...
Code2Video：新加坡国立大学开源的代码驱动式一键自动教育视频生成框架
Code2Video是由新加坡国立大学Show Lab开发的开源教育视频生成框架，核心以代码驱动实现教育类视频的自动化生成，适用于数学（欧拉公式、傅里叶级数等）、计算机科学（神经...
AI_NovelGenerator：AI 驱动的长篇小说创作助手，支持多阶段生成与剧情一致性管理
AI_NovelGenerator 是一款基于大语言模型（LLM）的开源长篇小说创作辅助工具，旨在帮助作者高效生成情节连贯、设定统一的小说内容。该工具集成了小说设定工坊、智能章节生成...