MineContext：火山引擎推出的开源主动式上下文感知 AI 助手
MineContext 是火山引擎开源的主动式上下文感知 AI 助手，以 “挖掘并整合上下文” 为核心，将分散的多模态数据（文档、截图、音视频等）视为可组合的 “信息方块”，通过轻...
多模态融合语义分割：RGB-D 数据的应用探索
语义分割是计算机视觉领域的核心任务，RGB-D数据（RGB图像与深度图）的融合为语义分割提供了多模态信息，通过结合颜色、纹理与几何结构，显著提升了分割精度。本文系统梳理...
XunLong (寻龙)：基于多智能体架构的多模态内容生成系统
XunLong (寻龙) 是一个基于大语言模型 (LLM) 的多智能体内容生成系统，能够根据自然语言指令自动生成高质量的研究报告、小说和演示文稿 (PPT)。通过 LangGraph 实现智能体协...
NeuTTS Air：开源超写实文本转语音框架，支持设备端部署与即时语音克隆
NeuTTS Air 是一个开源文本转语音项目，专注于设备端部署和即时语音克隆功能。它采用先进的 LM+codec 架构，在保持轻量级和高效率的同时，提供高质量、超写实的语音合成。仅...
AIMedia：开源全自动 AI 媒体软件，实现热点抓取、AI 创作与多平台自动发布
AIMedia 是一款开源的全自动 AI 媒体软件，核心定位是解决媒体运营中 “热点获取 - 内容创作 - 多平台发布” 的全流程自动化问题，降低人工成本。该软件支持抓取抖音、微博...
TANGO：CyberAgent AI Lab开源的语音同步手势视频生成框架
TANGO 是一个由 CyberAgent AI Lab 开发的开源项目，专注于从音频和参考视频生成同步语音手势的全身视频。该项目结合了分层音动嵌入和扩散插值技术，实现了高质量的动作生成...
OpenAgents：开源 AI 代理网络平台，连接协作的智能体生态系统
OpenAgents 是一个开源的 AI 代理网络平台，旨在创建一个去中心化的智能体协作生态系统。它提供了灵活的网络基础设施，使各种 AI 代理能够无缝连接、通信和协作，实现从信息...
Open WebUI：开源自托管AI聊天界面，支持Ollama与多模型集成
Open WebUI 是一个开源的自托管 AI 平台，提供了丰富的功能和灵活的扩展性。它支持多种 LLM 运行器，包括 Ollama 和 OpenAI 兼容 API，内置 RAG 推理引擎，可用于构建自定义...
扣子（Coze）实战：一键生成裸眼3D名著场景，让历史课本“动”起来
用扣子（Coze）一键生成裸眼3D名著经典场景，让《红楼梦》《三国演义》等文学巨作“活”起来！本文带你实战操作Coze智能工作流，结合AI绘画、多模态生成与动态视觉技术，将...
MoneyPrinterTurbo：全自动 AI 短视频生成工具，一键制作多语言短视频内容
MoneyPrinterTurbo 是一款开源的全自动 AI 短视频生成工具，旨在让用户无需专业技能即可快速制作高质量短视频。只需输入主题或关键词，系统就能自动完成文案撰写、素材匹配...